逼近价格

Question

我有一套产品。每种产品都是不存在的“父母”的变体。此外，每个产品（我们称之为儿童产品）在我们的数据库中都有自己的单独分配的价格。这是一个小例子集。

父SKU是1000

产品儿童：

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

这是问题所在。我们的数据库以一对一的关系列出每个真实儿童产品的价格（如同正上方）。每个产品都有一个SKU，我可以通过SKU查找每个产品的价格。我有一个网站不支持这种定价方法。定价工作的方式是这样的。我创建了一个“父”产品。每个父母产品必须有一个基准价格。变化的价格是通过增加或减少美元数量创建的。所以“父母”有两个属性集，即产品类型和大小。正数或负数必须与每个属性相关联。所以从我上面的例子来看。

尺寸：

SM +- ? 
2X +- ? 

产品类型：

TankTop +- ? 
Hoodie += ? 

我如何决定哪些变量上面应该等于至少接近实际的子产品的价格？这可能没有任何极端的异常值？

Answer 1

这听起来像一个令人沮丧的（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 

通过上面的例子，小型衬衫的成本为10.00美元，同时中型衬衫的成本为10.50美元是不可能的。

因此，每个产品的定价总和为：BASE_SKU_PRICE + SIZE_MODIFIER + STYLE_MODIFIER。这意味着您无法为每个独特商品分配任意价格值，因此您需要使用回归模型。

如果您想重新调整项目的大量表格的价格，最小化异常值的最简单方法将是线性最小均方误差近似（LMS）的多变量变化，其中is just another type of multivariate linear regression approach。

这将让你每一个独特的产品型号（即：SKU）的函数关系：

y = a + bX_1 + cX_2 

如果你想有一个非常整洁的方法来处理这对于生产数据库系统，你将是最好的关闭只需使用MATLAB或SPSS创建数据库表，您可以指定置信区间和其他参数以帮助优化近似值。

最后，I found an example online which you could try out in OpenOffice Calc or Microsoft Excel。这将给你一个工作的算法方法，而不是你必须导出解析形式方程并从它们生成代码。它甚至可能足以解决您的问题，而无需打破MATLAB或SPSS。