《压缩感知一范数极小化、神秘访客稀疏探针与竞品暗折矩阵精确重构母典》各章定量结论
行内默认的看法是:想知道竞品每件商品在结算时有没有价签上不写的暗折、各减多少,就只能逐件全盘抽样,抽样最多给出平均让利。本书用压缩感知证伪这一看法的前提。只要暗折是稀疏的,把商品随机组合成购物车、只读结算总额,所需报价次数大致与暗折数乘以商品数对暗折数之比的对数成正比,远少于商品数;在非负约束下极小化一范数,无噪声时得到的是精确的表。书中商品、金额、成本与竞品均为示意;全部计算由书中程序生成;本书是非个人化经营参考,不是法律意见。探针只采集竞品向公众公开展示的价格与条件,不冒充身份,不诱导员工泄露内部信息,不抓取受保护数据,不与竞争者交换结果;合规边界以上架前人工复核的当地法规为准。
DOI 待发布 · 专著页正式发布后上线(本站暂无专著页) · 5DL-B-242 · English version
- 第 1 章 · 不必全盘抽样:篮子报价、稀疏暗折与一范数的精确重构
第一章核对并修正立项命题的出处,用分数精确的单纯形法以 12 次篮子报价还原 40 件商品里的 3 笔暗折,而最小二乘把它们摊满全表,最坏一格偏离 26.73 元;并量出排程常数,报价占商品数的比例可降到 0.0825。 - 第 2 章 · 一范数写成线性规划:两阶段单纯形、对偶证书与探针设计体检
第二章把一范数写成两阶段单纯形,讲退化与扰动,开出唯一性证书,并给出篮子设计体检:零列与同列把三格支撑的还原比例从 0.969 拉到 0.704。 - 第 3 章 · 贪心的代价:正交匹配追踪、相干度与最坏情形保证
第三章比较正交匹配追踪:一百件商品上一范数 22 次、非负 OMP 26 次、普通 OMP 34 次报价达到九成成功,互相干度的最坏情形保证几乎无用。 - 第 4 章 · 相变图:探针占比、稀疏度与已知符号的价值
第四章画出 0 与 1 篮子的相变图,并量出「只有暗折」这一先验的价值。 - 第 5 章 · 抹零、店庆券与留出报价:从精确重构到稳健重构
第五章处理抹零、店庆券与门槛规则:取整到角时等式模型多半不可行,稳健模型仍找对全部支撑,最坏误差 0.03 元;错表通过一次留出检验的比例只有 0.0403。 - 第 6 章 · 暗折矩阵:多个公开条件的联合稀疏与篮子大小
多个公开条件下的暗折并排成一张矩阵,带暗折的商品在各条件之间大体相同,这叫联合稀疏。程序 p61 显示,联合信息让贪心算法 SOMP 明显胜过逐列 OMP,但在非负的 0 与 1 篮子上,逐列一范数仍然最好:24 次报价起整张矩阵全对,4 个条件合计 96 次,而全盘抽样要 320 次。程序 p62 显示篮子大小有两头的代价:每篮 2 件时要 78 次报价,比全盘抽样还多;每篮 15 件以上时 16 次即可,但经手件数随篮子变大而上升… - 第 7 章 · 东西方原典考辨:《孙子·用间》的先知与香农的采样计数
第七章考辨《孙子·用间》「先知必取于人」与香农的采样计数:示意账目中类推损失 59400 元、全盘抽样 57600 元、稀疏探针 12960 元;商品每多十倍,稀疏计数只多 17.3 次。 - 第 8 章 · 实证闭环:每月神秘访客探针排程、合规清单与预注册检验
第八章给出每月六步探针流程、七条合规清单、稀疏探针重构器与预注册检验方案。书中以标注框区分已发表的证据、可运行的 Python 计算(18 段程序)、原典与作者的假说。
模型示意算例,非实时报价