☆─────────────────────────────────────☆
flyw (阿飞) 于 (Tue Mar 9 08:10:46 2021) 提到:
现实中碰到一类较为复杂的数学问题，数学知识不够，希望能够帮忙解决，主要是建模 分析。
可以有报酬！
☆─────────────────────────────────────☆
Castrol (卡斯楚) 于 (Tue Mar 9 11:25:12 2021) 提到:
nb 感觉肯定不是fanshion的ai算法，绝对高端
【 在 flyw 的大作中提到: 】
: 现实中碰到一类较为复杂的数学问题，数学知识不够，希望能够帮忙解决，主要是建模 分析。
:
: 可以有报酬！
: --
:
发自「今日水木 on iPhone X」
☆─────────────────────────────────────☆
vinbo (vinbo) 于 (Tue Mar 9 17:26:56 2021) 提到:
先给个描述吧，不同领域的建模思路也不一样
☆─────────────────────────────────────☆
galaxy123 (galaxy123) 于 (Wed Mar 10 00:43:26 2021) 提到:
把问题贴出来看看？ 或许可以得到免费的答案。
【 在 flyw 的大作中提到: 】
: 现实中碰到一类较为复杂的数学问题，数学知识不够，希望能够帮忙解决，主要是建模 分析。
:
: 可以有报酬！
- 来自「最水木 for iPhone 11 Pro Max」
※ 来源:·最水木 客户端·[FROM: 69.127.132.*]
☆─────────────────────────────────────☆
flyw (阿飞) 于 (Wed Mar 10 07:56:04 2021) 提到:
某商品拍卖，价格>=A之后，只能在[A,B]之间报价，所有报价算术平均，最接近平均数的那个报价拍得，如果两个报价都一样接近，取价高者；如果报价一样，取先报价的。
除了多安排单位参加报价外，有没有其他概率高的报价方式。
【 在 galaxy123 的大作中提到: 】
: 把问题贴出来看看？ 或许可以得到免费的答案。
: :
- 来自「最水木 for iPhone 11 Pro Max」
☆─────────────────────────────────────☆
wuyeguo (风中飘絮) 于 (Wed Mar 10 11:34:20 2021) 提到:
预测投标？
这个没办法吧，怎么估计一起投标的人的报价？
【 在 flyw (阿飞) 的大作中提到: 】
: 某商品拍卖，价格>=A之后，只能在[A,B]之间报价，所有报价算术平均，最接近平均数的那个报价拍得，如果两个报价都一样接近，取价高者；如果报价一样，取先报价的。
: 除了多安排单位参加报价外，有没有其他概率高的报价方式。
: - 来自「最水木 for iPhone 11 Pro Max」
: ...................
☆─────────────────────────────────────☆
galaxy123 (galaxy123) 于 (Wed Mar 10 12:40:12 2021) 提到:
有历史数据吗？ 如果有，建个 神经网络机器学习模型，让它预测。
如果没有，可以用随机伪数据训练机器学习模型。就像alpha go，自个跟自个练。
能提供更多的信息吗？
1. 有历史数据吗？有多少？
2. 大约多少单位竞标？ 你能安排几个单位参加报价？
3. 只是偶尔拍卖一次？还是频繁拍卖？
信息越多，机器学习模型的训练效果越好。
【 在 flyw 的大作中提到: 】
: 某商品拍卖，价格>=A之后，只能在,B]之间报价，所有报价算术平均，最接近平均数的那个报价拍得，如果两个报价都一样接近，取价高者；如果报价一样，取先报价的。
: 除了多安排单位参加报价外，有没有其他概率高的报价方式。
:
: ....................
- 来自「最水木 for iPhone 11 Pro Max」
※ 来源:·最水木 客户端·[FROM: 69.127.132.*]
☆─────────────────────────────────────☆
disc (东方◇幸福的生活) 于 (Wed Mar 10 17:03:06 2021) 提到:
神经网络机器学习的有推荐书籍可以学的吗？谢谢。
【 在 galaxy123 (galaxy123) 的大作中提到: 】
: 标 题: Re: [求助]是否有老师或学生能够帮忙建模分析的
: 发信站: 水木社区 (Wed Mar 10 12:40:12 2021), 站内
:
: 有历史数据吗？ 如果有，建个 神经网络机器学习模型，让它预测。
:
: 如果没有，可以用随机伪数据训练机器学习模型。就像alpha go，自个跟自个练。
:
: 能提供更多的信息吗？
: 1. 有历史数据吗？有多少？
: 2. 大约多少单位竞标？ 你能安排几个单位参加报价？
: 3. 只是偶尔拍卖一次？还是频繁拍卖？
:
: 信息越多，机器学习模型的训练效果越好。
:
: 【 在 flyw 的大作中提到: 】
: : 某商品拍卖，价格>=A之后，只能在,B]之间报价，所有报价算术平均，最接近平均数的那个报价拍得，如果两个报价都一样接近，取价高者；如果报价一样，取先报价的。
: : 除了多安排单位参加报价外，有没有其他概率高的报价方式。
: :
: : ....................
:
: - 来自「最水木 for iPhone 11 Pro Max」
: ※ 修改:·galaxy123 于 Mar 10 12:48:22 2021 修改本文·[FROM: 69.127.132.*]
: ※ 来源:·最水木 客户端·[FROM: 69.127.132.*]
☆─────────────────────────────────────☆
vinbo (vinbo) 于 (Wed Mar 10 18:38:40 2021) 提到:
这是经济学和博弈论中的机制设计问题，不要听那些神经网络的胡说八道
【 在 flyw 的大作中提到: 】
: 某商品拍卖，价格>=A之后，只能在[A,B]之间报价，所有报价算术平均，最接近平均数的那个报价拍得，如果两个报价都一样接近，取价高者；如果报价一样，取先报价的。
: 除了多安排单位参加报价外，有没有其他概率高的报价方式。
:
: ...................
☆─────────────────────────────────────☆
galaxy123 (galaxy123) 于 (Wed Mar 10 20:58:02 2021) 提到:
斯坦福公开课，可以到斯坦福官网上找找。
【 在 disc 的大作中提到: 】
: 神经网络机器学习的有推荐书籍可以学的吗？谢谢。
:
:
: ....................
- 来自「最水木 for iPhone 11 Pro Max」
☆─────────────────────────────────────☆
galaxy123 (galaxy123) 于 (Wed Mar 10 21:06:02 2021) 提到:
此话怎讲？ 神经网络机器学习模型(ANN)，就是自动寻找数学公式和参数，实现从输入到输出的映射。 ANN可以模拟经济学和博弈论中人总结出的规律。
只要有规律可循，只要概率不均匀，ANN的预测准确度就能超过随机选择。
【 在 vinbo 的大作中提到: 】
: 这是经济学和博弈论中的机制设计问题，不要听那些神经网络的胡说八道
:
: 【 在 flyw 的大作中提到: 】
: ....................
- 来自「最水木 for iPhone 11 Pro Max」
※ 来源:·最水木 客户端·[FROM: 69.127.132.*]
☆─────────────────────────────────────☆
galaxy123 (galaxy123) 于 (Wed Mar 10 21:15:35 2021) 提到:
还有一招：
假装自己是主办方，组织一堆人投标玩这个游戏，中标者有奖金。多玩几次，靠人总结一些规律。 玩的数据记录下来，可以作为机器学习的训练数据集。
【 在 flyw 的大作中提到: 】
: 现实中碰到一类较为复杂的数学问题，数学知识不够，希望能够帮忙解决，主要是建模 分析。
:
: 可以有报酬！
- 来自「最水木 for iPhone 11 Pro Max」
☆─────────────────────────────────────☆
flyw (阿飞) 于 (Thu Mar 11 07:15:46 2021) 提到:
受教了，谢谢！
【 在 galaxy123 的大作中提到: 】
: 有历史数据吗？ 如果有，建个 神经网络机器学习模型，让它预测。
: 如果没有，可以用随机伪数据训练机器学习模型。就像alpha go，自个跟自个练。
: 能提供更多的信息吗？
: ...................
☆─────────────────────────────────────☆
disc (东方◇幸福的生活) 于 (Thu Mar 11 21:00:37 2021) 提到:
谢谢，我看看。
【 在 galaxy123 (galaxy123) 的大作中提到: 】
: 斯坦福公开课，可以到斯坦福官网上找找。
: - 来自「最水木 for iPhone 11 Pro Max」
修改:galaxy123 FROM 69.127.132.*
FROM 69.127.132.*