定价数据依据

基于真实租号市场回归的校准 · 持续更新 · 数据驱动

📦 训练样本数
-
去重后有效记录
💰 价格中位数
-
元/小时
🎯 最佳模型 R²
-
决定系数 (越接近 1 越好)
🏆 最佳模型
-
RMSE: -
📅 校准日期
-
最近一次数据训练
📈 数据源
-
-
🧮校准后的租售比(5 档)

基于 18833+ 条真实在租数据回归 · 取代经验值

档位 卖价区间 中位日租比 区间分布 样本数 旧经验值
💡 重要发现:真实日租比呈指数下降(卖价越高,日租比越低)。 低端号 79.6% 反映"挂卖不出"的市场现象,真实成交价应按 30-50% 折算。 高端号 1.3% 远低于经验值 15-25%,因为租赁频率低 + 平台抽成低。
📈时租价格分布

横轴: 时租价区间 (元/小时) · 纵轴: 样本数

🤖ML 模型对比

3 个回归模型 · 5 折交叉验证 + 贝叶斯超参搜索 (Optuna TPE)

📊 特征重要性 TOP 15 (LightGBM)

📡数据来源
💡关键洞察
1. 价格分布高度偏斜:46.5% 的号定价 ¥1-3/h,仅 8.2% 高于 ¥50/h。 中位数 ¥3/h 远低于均值 ¥12.7/h,说明市场以"皮肤体验"号为主。
2. 哈夫币数量是次要因素:RF 模型中重要性 52%,但主要因为低端号常含大量哈夫币 (标价低 = 性价比高)。皮肤数和刀皮/红皮才是高端号定价核心。
3. 限租次数是质量信号:要求"租号 3 次以上"才能租的号,价格分布更稳定。 限租 0 次的号里混杂了试运营、低质量号。
4. 时间维度的数据稀缺:仅 zuhaoxiu 详情页有"出租次数 + 累计时间", 但平台列表 ID 混入其他游戏。本期样本以横截面为主,时间序列需持续抓取。