Применение методов машинного обучения в ценообразовании
Автор: Долгов А.М., Люкевич И.Н., Долгов В.М.
Журнал: Вестник Алтайской академии экономики и права @vestnik-aael
Рубрика: Экономические науки
Статья в выпуске: 4-1, 2022 года.
Бесплатный доступ
Исследуется механизм машиного обучения и его использование в области ценообразования. Проведен анализ исследований в области машинного обучения и применения машинного обучения в ценообразовании, в частности. Рассмотрены принципы работы различных методов машинного обучения, отличительные особенности методов и их сферы применения. Даны характеристики различных методов машинного обучения. Показано как выбрать метод машинного обучения наиболее приемлемый для выполнения поставленной задачи на примере ценообразования на примере рынка бытовой техники. В данной работе рассмотрены наиболее перспективные модели определения цены с использованием машинного обучения и представлен алгоритм по использованию инструмента машинного обучения в ценообразовании.
Ценообразование, машинное обучение, нейросети, цифровая экономика, искусственный интеллект
Короткий адрес: https://sciup.org/142234396
IDR: 142234396
Список литературы Применение методов машинного обучения в ценообразовании
- W. Muljono Online shopping: factors affecting consumer’s continuance intention to purchase. St.Petersburg state polytechnical university journal. Economics. 2021. № 1. С. 7–20.
- Бабкин А.В., Анисимова В.В. Особенности и виды цифровых платформ в экономике // Цифровая экономика, умные инновации и технологии: сборник трудов Национальной (Всероссийской) научно-практической конференции с зарубежным участием. Санкт-Петербург, 2021. С. 322–325.
- Кузнецов С.В. Динамическое ценообразование в электронной коммерции // Экономические исследования и разработки Нижний Новгород. 2017. № 3. С. 6–11.
- Загайнова Е.В. Модель динамического ценообразования на рынке пассажирских авиаперевозок // Журнал экономической теории. 2017. № 4. С. 176–182.
- Романова Е.А. Машинное обучение в экономике и производстве // Огарёвские чтения: материалы научной конференции: в 3 ч. Саранск: МГУ им. Н. П. Огарёва, 2021. С. 691–697.
- Воронин Е.А., Юшин И.В. Прогнозирование угроз и выбор оптимальной стратегии обеспечения экономической безопасности методами машинного обучения // Научное обозрение. Серия 1: экономика и право. 2019. № 6. С. 115–123.
- Гузикова Л.А. Условия развития искусственного интеллекта в Китае // Сборник трудов национальной научно-практической конференции с зарубежным участием. В 2-х томах / Под редакцией Д.Г. Родионова, А.В. Бабкина. СПб.: ПОЛИТЕХ-ПРЕСС, 2020. С. 61-69.
- Supriya Rajankar A Survey on Flight Pricing Prediction using Machine Learning / Neha Sakharkar, Supriya Rajankar. International Journal of Engineering Research & Technology (IJERT). 2019. Vol. 8. Issue 06. С. 1281-1284.
- Imran, Umar Zaman. Using Machine Learning Algorithms for Housing Price Prediction: The Case of Islamabad Housing Data. Soft Computing and Machine Intelligence Journal. 2021. Vol. 1. Issue 1. С. 11-23.
- Клименко Р.В. Феномен машинного обучения в современной философской литературе // Философские проблемы информационных технологий и киберпространства. 2018. Вып. 1 (14). С. 37–50.
- Харковска Е. Рытова Е.В. Влияние цифровизации на безработицу на рынке труда // Фундаментальные и прикладные исследования в области управления, экономики и торговли: сборник трудов всероссийской научной и учебно-практической конференции. 2020. С. 182–187.
- Frank Emmert-Streib From the Digital Data Revolution toward a Digital Society: Pervasiveness of Artificial Intelligence. Machine Learning and Knowledge Extraction. 2021. № 1. С. 284-298.
- Periklis Gogas, Theophilos Papadimitriou. Machine Learning in Economics and Finance. Computational Economics. 2021. № 57. Р. 1–4.
- Fayez Н. How Machine Learning affects Economics / Econometrics? A critical review of Machine Learning and Econometrics Oxford Brookes Business School. Oxford Brookes University. 2020.
- Александрова И.А. Антышева Е.Р. Как искусственный интеллект изменит аудит // Фундаментальные и прикладные исследования в области управления, экономики и торговли: сборник трудов всероссийской научной и учебно-практической конференции. 2020. С. 15–21.
- Найденова К.А., Яковлев А.В., Швецов К.В., Пархоменко В.А. Машинное обучение в исследованиях медико-биологических и социально-экономических данных: сборник научных трудов. 1 изд. СПб.: ПОЛИТЕХ-ПРЕСС, 2020. 417 с.
- Малиновский В.В., Чиркина А.А., Булгакова Н.В. О результатах анализа успеваемости студентов, включенных в «группу риска» на основании логистического регрессионного анализа // Материалы ХХIV (71) Региональной научно-практической конференции преподавателей, научных сотрудников и аспирантов. В 2-х томах. Редколлегия: И.М. Прищепа. Витебск: Витебский государственный университет им. П.М. Машерова, 2019. С. 52-54.
- Dastan Hussen Maulud, Adnan Mohsin Abdulazeez A Review on Linear Regression Comprehensive in Machine Learning Maulud et al. Journal of Applied Science and Technology Trends. 2020. № 4. С. 140–147.
- Bahzad Taha Jijo, Adnan Mohsin Abdulazeez Classification Based on Decision Tree Algorithm for Machine Learning. Journal of Applied Science and Technology Trends. 2021. № 1. С. 20-28.
- Yanyu Chen, Wenzhe Zheng, Wenbo Li, Yimiao Huang Large group activity security risk assessment and risk early warning based on random forest algorithm. Pattern Recognition Letters. 2021. № 144. С. 1-5.
- Xianzhen Xu, Dan Cao, Yu Zhou, Jun Gao Application of neural network algorithm in fault diagnosis of mechanical intelligence. Mechanical Systems and Signal Processing. 2020. № 141. С. 106625.
- Michiyoshi Takata, Bin-Le Lin Predicting the acute ecotoxicity of chemical substances by machine learning using graph theory. Chemosphere. 2020. № 238. С. 124604.
- Subrata Saha, Ahmed Soliman, Sanguthevar Rajasekaran A robust and stable gene selection algorithm based on graph theory and machine learning. Human Genomics. 2021. № 15.
- Ying Chang Option Pricing under Double Heston Model with Approximative Fractional Stochastic Volatility. Mathematical Problems in Engineering. 2021. № 1.
- Лобин М.А., Филиппова И.А. Машинное обучение в экономике // Вестник Ульяновского государственного технического университета. 2019. № 3 С. 68–71.
- e-Katalog // e-Katalog. URL: https://www.e-katalog.ru/ (дата обращения: 13.02.2021).
- Konnikov Е.А. Rodionov D.G. Analyzing Natural Digital Information in the Context of Market Research. Information (Switzerland). 2021. № 10.
Статья научная
