algorithm - 近似价格

Question

我有一套产品。每个产品都是不存在的“母体”的变体。此外，每个产品(我们称它们为子产品)在我们的数据库中都有自己单独指定的价格。这是一个小示例集。

父级 SKU 为 1000。

产品子项是:

1000-TankTop-SM - 14.95
1000-TankTop-2X - 17.95
1000-Hoodie-SM - 34.95
1000-Hooodie-2X - 39.95

问题来了。我们的数据库以一对一的关系列出每个真实的子产品价格(如上所示)。每个产品都有一个SKU，我可以通过SKU查询每个产品的价格。我有一个不支持这种定价方法的网站。定价的方式是这样的。我创建了一个“父”产品。每个父产品都必须有一个基本价格。变化的价格是通过添加或减去美元金额创建的。所以一个“ parent ”有两个属性集，产品类型和尺寸。正负数额必须与每个属性相关联。所以从我上面的例子我们有。

尺寸:

SM +- ?
2X +- ?

产品类型:

TankTop +- ?
Hoodie += ?

我如何确定上述变量应至少等于实际子产品价格的多少？如果没有任何极端异常值，这可能吗？

Answer 1

这听起来像是一个令人沮丧的(即:糟糕的)数据库系统，因为实际上不可能创建某些任意价格。即:

TankTop = + $2.00
Shirt   = + $1.00
Sweat   = + $5.00

Small   = - $1.00
Medium  = + $0.00
Large   = + $3.00
X-Large = + $5.00

在上面的示例中，一件小号衬衫的价格为 10.00 美元而同时一件中号衬衫的价格为 10.50 美元是不可能的。

因此，每个产品的价格定义为以下总和:BASE_SKU_PRICE + SIZE_MODIFIER + STYLE_MODIFIER。这意味着您不能为每个独特的项目分配任意价格值，因此您需要使用回归模型。

如果您想重新调整大量商品的价格，最小化异常值的最简单方法是线性最小均方误差近似 (LMS) 的多元变体，这 is just another type of multivariate linear regression approach .

这将允许您将每个独特的项目(即:SKU)建模为以下函数:

y = a + bX_1 + cX_2

如果您想要一种非常简洁的方法来处理生产数据库系统的这个问题，您最好只使用 MATLAB 或 SPSS 来创建您的数据库表，因为您可以指定置信区间和其他参数来帮助优化您的近似值.

最后，I found an example online which you could try out in OpenOffice Calc or Microsoft Excel .这将为您提供一种有效的算法方法，而不是您必须推导出分析形式的方程式并从中生成代码。它甚至可能足以解决您的问题，而无需打开 MATLAB 或 SPSS。