艺术品拍卖价格量化回归分析
📚 共计 30 章节
01
课程导论
艺术品市场概述 · 量化回归分析的价值 · 课程目标与学习路径
市场
框架
02
数据基础
拍卖数据来源（苏富比、佳士得）· 数据字段解读（作者、年代、尺寸、材质、成交价）
苏富比
佳士得
03
数据清洗
处理缺失值 · 异常值检测（天价拍品）· 数据标准化与归一化
清洗
异常值
04
探索性数据分析 (EDA)
单变量分析（价格分布）· 双变量分析（尺寸与价格）· 相关性热力图
可视化
热力图
05
特征工程 (上)
艺术家名气量化（拍卖次数、展览记录）· 作品稀缺度（存世量、创作时期）
名气
稀缺度
06
特征工程 (下)
作品物理属性（尺寸、材质、技法）· 市场情绪指标（经济指数、艺术市场周期）
物理属性
情绪
07
线性回归基础
最小二乘法 · 一元线性回归 · 模型评估指标 (R², MSE, MAE)
最小二乘
评估
08
多元线性回归
多变量输入 · 多重共线性 (VIF) · 特征选择 (向前/向后逐步回归)
共线性
逐步回归
09
正则化回归
岭回归 (L2) · Lasso (L1) · 弹性网络 · 超参数调优
L2
L1
调优
10
决策树回归
CART算法 · 树的可视化 · 剪枝策略 (预剪枝/后剪枝)
CART
剪枝
11
随机森林回归
Bagging思想 · 特征重要性排序 · OOB误差估计
Bagging
OOB
12
梯度提升树 (GBDT)
Boosting原理 · XGBoost & LightGBM · 早停法
XGBoost
LightGBM
13
支持向量回归 (SVR)
核函数 (RBF、多项式) · 软间隔与惩罚参数C
SVR
核函数
14
神经网络回归
MLP结构 · 激活函数 (ReLU, Sigmoid) · Dropout
MLP
Dropout
15
时间序列特征
拍卖日期影响 · 季节性波动 (春秋大拍) · 趋势分解
季节性
趋势
16
文本特征提取
拍品描述关键词 · 艺术家生平 · TF-IDF & Word2Vec
TF-IDF
Word2Vec
17
图像特征提取
作品图像风格分析 · CNN特征向量 · 色彩直方图
CNN
色彩
18
模型集成
Stacking · Blending · 加权平均融合 · 多样性策略
Stacking
Blending
19
超参数调优
网格搜索 · 随机搜索 · 贝叶斯优化
网格搜索
贝叶斯
20
模型评估与验证
交叉验证 (K-Fold) · 留一法 · 时间序列滚动验证
K-Fold
滚动验证
21
模型解释性
SHAP值分析 · LIME局部解释 · 特征部分依赖图
SHAP
LIME
22
误差分析
残差分析 · 异方差性检验 · 预测区间与置信区间
残差
异方差
23
实战案例一
近现代书画价格预测 (齐白石、张大千作品)
齐白石
张大千
24
实战案例二
当代艺术价格预测 (草间弥生、村上隆)
草间弥生
村上隆
25
实战案例三
古董瓷器价格预测 (明清官窑)
官窑
明清
26
实战案例四
珠宝翡翠价格预测 (钻石、翡翠、彩色宝石)
翡翠
钻石
27
模型部署
Flask API搭建 · 模型序列化 (Pickle/ONNX) · 实时预测服务
Flask
ONNX
28
市场应用
拍卖行估价系统 · 藏家投资决策 · 保险估值
估价
投资
29
伦理与风险
数据偏差 (伪作影响) · 模型公平性 · 市场操纵风险
伦理
风险
30
课程总结
知识体系回顾 · 未来趋势 (AI鉴定、区块链溯源) · 推荐学习资源
AI鉴定
区块链