Машинное обучение для оценки алмазов

В течение последних нескольких недель TransPacific Software работает над различными моделями линейных и нейронных сетей, используя библиотеку искусственного интеллекта TensorFlow от Google, чтобы получить довольно точный инструмент ценообразования на бриллианты. Этот инструмент можно использовать для определения справедливой цены бриллианта на текущем рынке B2B.

Сложность модели ценообразования:

Иногда потребителю цены на бриллианты кажутся нелогичными. Например,
бриллиант весом 0,5 карата стоит в два раза больше, чем бриллиант весом 1,25 карата на том же веб-сайте. Потребитель не знает о многочисленных факторах, влияющих на цену бриллианта, помимо веса и формы. Сложности в ценообразовании бриллиантов связаны со многими факторами, включая 4C (каратность, огранка, чистота и цвет)
, а также его оптические свойства, такие как таблица, глубина, корона и угол павильона. Такие сложности делают «Цены на бриллианты» идеальным случаем для искусственного интеллекта.

Использование данных о торговле бриллиантами с различных торговых бирж P2P, таких как Rapnet, Polygon и IDEXonline; несколько алгоритмов машинного обучения тестируются в течение 7–8 месяцев, чтобы завершить модель нейронной сети, которая лучше всего прогнозирует цены на бриллианты. Набор данных для обучения имеет размер около 1 миллиона круглых бриллиантов.

Доказательство пудинга в еде

Если у вас есть бриллиант со значениями его атрибутов, такими как чистота формы, цвет и т. д., попробуйте наш модуль оценки бриллиантов на основе искусственного интеллекта на http://www.techtps.com. Инструмент рассчитает цену бриллианта на сегодняшнем оптовом рынке бриллиантов. Большинство атрибутов доступны с сертификатом Лаборатории, снабженным бриллиантом.

Наилучшие результаты для мелких бриллиантов от 0,2 до 2,5 карата.

Важно! Цена, рассчитанная искусственным интеллектом, представляет собой оптовую цену на рынке B2B. Продавец будет применять наценки к конечному пользователю.

Информация о вычислениях: (если вы разработчик ИИ). Библиотека ИИ: Google Tensor Flow / SciKit Модель: Обобщенная регрессионная нейронная сеть (GRNN) Обучающие данные: 150 000 стратифицированных данных, разделенных на 90/10 Точность: +- 8 %

За дополнительной информацией обращайтесь в TransPacific Software.

Первоначально опубликовано на www.transpacific-software.com 26 июня 2017 г.