基于聚類的“拍照賺錢”完成度分析

王尚政 車財旺 琚斐揚

摘 要：隨著現代社會的高速發展，互聯網的運用越來越廣泛，“拍照賺錢”是移動互聯網自助式服務模式，其正在逐漸取代傳統的市場調查方式。從兩個角度考慮，一是從定性的角度，構建經度-緯度-定價三維散點圖，結合K-means聚類的方法從任務的位置分布、任務完成情況與定價三方面之間的關系考慮，定性的得出項目的定價規律。二是從定量的角度考慮，采用多元線性回歸的方法，以任務區域等分下會員數與任務數之比、樣本點與中心點之間的距離以及會員信譽值為自變量，以定價為因變量，構建多元線性回歸方程，從而定量的得出其定價方案，然后再將二者結合，得出總的定價規律。從得出的定價規律、任務分布位置以及會員數量三方面因素考慮，得出任務未完成的原因。

關鍵詞：任務定價;回歸;K-means聚類

一、問題分析

研究這個問題必須對數據進行分析，得出一個舊項目的任務定價規律，分析任務未完成的原因。在分析定價規律時，可以從定性和定量兩方面考慮，考慮到每個項目的經緯度坐標及定價，通過繪出所有完成與未完成任務點的散點圖，定性得出定價規律，再通過研究經緯度、會員信息和定價之間的定量關系，得出定價規律，定性與定量結合分析任務未完成的原因。

二、問題求解

經過分析，從任務的位置、定價以及任務的完成情況來分析項目的定價規律，首先根據所給的經緯度坐標對這些位置點進行K-means聚類[1]，得到位置相近的中心點，隨后分析任務的完成情況，得出任務點的位置與定價的定性分析規律。然后運用多元線性回歸[1]的方法，多元線性回歸分析是確定2種或2種以上變量間相互依賴的定量關系的一種統計分析方法，建立以定價為因變量，以任務區域等分下任務數與會員數之比、任務點與中心點的距離以及會員的信譽值為自變量的定價規律模型，完成對定價規律的定量分析，最后根據以上綜合得出的定價規律、任務點位置分布情況以及任務完成情況分析，得出任務未完成的原因。

對數據進行預處理，運用SPSS軟件把不合格的數據進行篩選與剔除，可以將原始數據的第588的這個數據點清除，隨后將處理之后的數據運用軟件構建以經度-緯度-定價的三維曲線的散點圖。

橫向對比，完成的任務點大多分布在市中心區域，而偏僻地區的任務完成量比較少，縱向對比，任務所給價格高的，相對而言任務完成量高，而任務價格低的，任務完成量少。還有任務的分布越密集，周圍的任務數量越多，任務的分布越稀疏，周圍的任務數量越少。

可以利用K-means聚類的方法，將樣本點利用SPSS軟件聚成以下5個類別：

由上表可知，該5個類別的樣本中心點經緯度坐標分別為（22.9432，113.7531）（23.0064，113.1004），（23.5832，113.5959），（22.6612，114.0520），（23.1694，113.3122），接著利用matlab軟件做出以下該5個點周圍任務完成情況示意圖：

第四類樣本點周圍分配的任務大多被完成，而第二類樣本點任務大多未完成，其它三類樣本點任務完成與未完成一樣，同時結合上面的任務位置分布圖，可以得出距離上面樣本中心點的間距越遠，那任務的定價就相對而言要要高，而距離樣本中心點的越近，則任務的定價要低。

接下來開始對定價規律作定量分析，可以采用多元線性回歸的方法，即以任務區域等分下任務數與會員數之比（整個任務分布區域化為50份，每一份任務數與會員數之比，任務區域緯度范圍（20.3351，33.6521），經度范圍（106.2391，116.9705））、任務點與樣本中心點的距離（由歐式距離可得）以及會員信譽值為自變量，分別記為，以任務定價為因變量，記為y，可以構建以下的多元線性回歸模型：

其中為回歸系數，為常數項，為隨機誤差，服從正態分布，

可以利用最小二乘法來求解上面的回歸系數，結合matlab軟件可以計算得到該多元線性回歸方程為：

然后開始對上述方程進行檢驗，首先進行擬合優度檢驗，記擬合優度為，可以通過以下公式來計算R2：

可以得到R2=0.9138，該方程的擬合優度比較好，

然后進行F檢驗，對該回歸方程進行顯著性檢驗，可以通過計算得到F檢驗的觀測值為0.1，可以得到在該自由度下F檢驗的臨界值為0.01，則0.1>0.01，顯著性水平為0.05，所以可以據此得到該回歸方程具有顯著意義。

然后進行t檢驗，也就是對該方程的回歸系數進行檢驗，利用軟件計算可以得到該t檢驗的觀測值為9.2562，可以得到在該自由度下臨界值為2.9711，則9.2562>2.9711，顯著性水平為0.05，因此該方程的回歸系數檢驗通過，回歸系數有顯著意義。

接著就是對該方程的殘差進行分析，為殘差，即為對總體回歸函數的隨機擾動項的干擾。

經過上述檢驗，可以得出該模型為，也即為該項目的任務定價規律模型。

由以上模型可以得：

·任務數與會員數之比越高，則該項目的任務定價越低，而任務數與會員數之比越低，則該項目的任務定價越高。

·任務點與樣本中心點的距離越大，則任務的定價越高，而任務點與樣本中心點的距離越少，則任務的定價越低。

·該項目的會員信譽值越高，則任務的定價越低，而會員信譽值越低，則任務的定價就會越高。

三、結論

由上面的分析可以得知，任務未完成的原因有以下幾個方面：

·會員數量不夠，而項目所設的任務數又相對較多，會員數與任務數不成正比;

·有些任務點定價比較高，但所處地區較為偏僻，完成量較少;

·任務點位置分布有的太過集中，有的又太過分散，分布不夠勻稱。

參考文獻

[1]王朝信. K-Mean聚類分析對第18屆世界杯足球賽各參賽隊進攻能力的研究[A]. 中國體育科學學會.第八屆全國體育科學大會論文摘要匯編（一）[C].中國體育科學學會：中國體育科學學會，2007：1.