2016年数模B题的碎碎念

题目复述

• 我抓重点讲
• 题目的意思有一个公司开发了一个APP，分发任务给人去拍某种商品的照片，去拍照的人可以收取一些佣金。
• 然后这些佣金有高低之分，我们第一问要做的就是找到这些佣金高低的规律。
• 其中有一些任务未完成，我们第二问要做的就是，找到未完成的原因，并且重新建立一个模型，使得花费佣金最少，完成情况最好。
• 然后第三题说的是很多任务比较密集，其实可以打包发布，那怎么个打包法呢？
• 第四题给出了很多新项目，想办法给新项目定个价呗。

小归纳

• 第一问是问题的基石，分析清楚第一问，后面的会好解答很多。
• 总的来说，这个问题是一个非常经典的数据学习统计问题，现在就开始来慢慢分析。

数据长啥样

首先组委会给咱的数据是长这样的

• 这是描述任务的
  
• 这个是APP会员的数据
  

问题1：定价规律

A. 我们要以公司的角度来思考，因为价格是公司定的

• 那公司一开始能拿到的数据有哪些呢?
  • 首先公司有会员的全部数据
  • 其次公司应该有各个任务的位置。
• 有了这些我们头脑风暴一下，思考到底公司会怎么取定价
  • 附近会员越多肯定定价就越便宜，因为会员一下就能去那拍照了。
  • 附近任务越密集，肯定也越便宜，因为会员在那转一圈就能解决很多个任务。
  • 不同城市有不同的分部，那有可能不同城市有不同城市的定价规则呀。
  • 越偏僻，越难去的地方价格按理说会越高。

B. 为了应证我们的观点，我们要对数据进行可视化

B1. 首先我们来看任务分布的城市

B2. 其次我们来看任务的价格（越黑越高）

B3. 我们再来看看会员的城市分布

B4. 在把会员和价格给整合在一起

是不是明显的能看到，会员越多，价格越低。

B5. 我们再单独把价格拎出来

• 首先我们发现，价格其实非常的有层次感。大体可以分为6个层次，65的、65到70的，70到75的，75到80的，80到85的，正好85的。（这说明公司对于任务的某个属性（假设为难度）进行了分层）
• 其次，价格并没有出现很细分的小数，反而都是整数或者xx.5，这说明价格应该是由一个规划好的阶梯式分段函数构成。

综上所述，我们来观测一下这些个变量对于整体模型的影响

• 难度$d_i$ = 1,2,3,4,5,6，分别对应上面的各个层次。
• 任务密集度$t{d}_i(x/9\pi k{m}^2)$(经高斯回归法测试，半径为3时，均方误差RMSE达到最小，说明半径为3的任务密集度和价格较为相关（非常不严谨）)。
• 会员密集度$m{d}_i(x/9\pi k{m}^2)$，每个任务半径为3公里内有多少个会员。
• $c_i$ = 1,2,3,4分别代表广州、深圳、佛山、东莞。

我们要生成新的数据，就

• 要知道任务间的距离，需要把经纬度化成直角坐标系，这个过程需要写出，在此省略。
• 需要获得每个坐标的城市，这里我们访问了这个网站，获得了这些数据
  

于是就把这几个参数丢到高斯回归里面跑呗，看看RMSE的情况

• 四个参数全跑可以达到0.84127
• 去掉城市跑0.84443
• 去掉任务密集度跑0.85319
• 去掉会员密集度跑0.87931
• 去掉难度系数跑3.5543
  得到的结果可以说城市其实没啥用，难度系数是最重要的
  难度系数单跑都能跑出0.99928。
  

最准确的版本

• 按照高斯回归建模型也可以，但是准确率还是有点差强人意。
• 而且价格上，也没有达成那种阶梯式的情况。

做到这个地步只能说明价格和这几个因素是密切相关的

问题2

数据可视化

灰色小点代表完成，黑色代表完不成，四个颜色分别代表四个城市。我们可以看到深圳的完成情况特别差，广州、佛山一般、东莞完成情况最好。
我们来看看具体的完成任务比

深圳的完成任务特别少，这是什么原因呢，是不是深圳会员特别少呢？

按很明显，就是深圳定价出现了问题，我们来观察一下各城市任务平均价格。

回到我们刚才对于规律的分析，为什么深圳的任务平均价格最低呢？

• 这是因为深圳非常小，而由于经济发达，人口密度非常大，这就导致了会员非常集中，这样人物的定价当然就低了，但是
  
• 深圳的人均GDP是全广东省最高，这意味着深圳人的收入高，收入预期也更高，低价无法使他们有动力去完成任务。
• 所以我们在建立新模型的时候，应该充分考虑每个城市的人均GDP以及人口密度，于是新模型呼之欲出。
• 以下略。