这个工具预测带来拖车拍卖结果与惊人的准确性

这些都是虚假的、虚假的和统计数据。主要统计数据。

通过Devin加

即使你还在继续努力看似永无止境的大流行在美国,你很有可能会发现自己有更多的空闲时间,因为除了家里几乎没有地方可去。来自波士顿的数据科学家Devin Gaffney不幸地发现自己处于失业状态,但他决定充分利用自己新得到的空闲时间。他建造的异常精确的数据建模工具,专门为流行的汽车拍卖网站“带上一辆拖车”(Bring a Trailer)设计的。

加解释驱动器他在4月中旬开始了这个项目1967年MGB GT这是为了取代他1986年的职位萨博900.在和一个朋友讨论拍卖的时候,他发现另一个最近卖了更低的价格,这让他想办法获得最多的信息,获得最好的交易。他开始工作,尽管他喜欢坏车,但他的车型不会坏。

准备好退出了吗?

首先,加夫尼用一种叫做Ruby的编程语言编写了一个数据收集系统,它可以搜索Bring a Trailer拍卖并将包括拍卖时间、出价和评论在内的信息转储到一个数据库中。他使用Ruby调用另一种名为Python的编程语言来构建实际的模型。

格说从拍卖开始到结束,他的模特每12小时拍一次照片。每个快照使用历史数据并将其与当时的当前拍卖进行比较。在某些情况下,可能存在不完整的数据,因此创建模型是为了适应这种不确定性。

德温加

别问我们这是什么意思。

该工具测量每个模型中的典型误差量,比如每12小时的“猜测”距离有多远,然后利用这些信息构建最终价格预测的上限和下限。加夫尼说,这使得预测相当准确,并指出,很少有拍卖能在设定的界限之外结束。

因为所有这些都不够雄心勃勃,他有一个电子邮件服务,用户可以注册接收特定车辆的库存分析。这包括对未来90天内同一品牌或车型的另一辆车再次出现在拍卖现场的粗略概率的计算衡量至少有一次新拍卖的成交价格低于最近一次拍卖的可能性。

德温加

上面的图表显示了Gaffney的一个模型以及实际销售价格与模型预测销售价格的对比。这是在拍卖结束时拍下的,当时的预测是最准确的。以线性模式紧密分组对该模型来说是一个很好的输出,因为它表明,对每笔交易的预测都非常接近实际的成交价格。数据点离松散的对角线越远,最终的猜测就越不准确。

当然,在创建这样一个精确的工具时还涉及到许多细节。为了全面了解加夫尼项目背后的机制,他做了笔记网上

至于接下来会发生什么,加夫尼说,他正在努力构建模型的预测能力,这将帮助它填补缺失或不完整的拍卖数据的空白。

说到他的萨博,真是仍待售尽管他提到他目前正在寻找下一个坏主意。

有小费吗?请给我们发邮件:tips@thedrive.com