动态定价的新时代：协同监督学习与二次规划
The New Era of Dynamic Pricing: Synergizing Supervised Learning and Quadratic Programming
AI总结：
本文提出将监督学习与二次规划相结合，利用OLS统计指标引导价格弹性建模，从而在汽车租赁场景中针对有限目标优化动态定价利润。
摘要：
在本文中，我们探索了一种监督学习与二次规划的新颖组合，以改进汽车租赁行业中的动态定价模型。我们利用价格弹性的动态建模，并以普通最小二乘（OLS）指标为依据，例如p值、同方差性和误差正态性。当这些指标的基本假设成立时，它们在引导二次规划智能体中起着不可或缺的作用。该规划的任务是针对给定的有限集合目标优化利润。
英文摘要：
In this paper, we explore a novel combination of supervised learning and quadratic programming to refine dynamic pricing models in the car rental industry. We utilize dynamic modeling of price elasticity, informed by ordinary least squares (OLS) metrics such as p-values, homoscedasticity, error normality. These metrics, when their underlying assumptions hold, are integral in guiding a quadratic programming agent. The program is tasked with optimizing margin for a given finite set target.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
