数据市场是目前研究的热点话题,在提出数据要素化的政策之后,国内各类数据交易平台迅速发展起来,针对数据市场的研究也越来越多。在2021年,北京成立了国际大数据交易所,同年,上海大数据交易所也宣布成立,这更加激发了对数据交易市场的研究热潮,同时也标志着我国数据要素市场的正处于蓬勃发展阶段。在数据交易市场的相关领域中,对数据定价体系的研究更是重中之重。现有的研究大多是从传统商品的定价方案进行迁移,但是数据资产具有独有的特性,例如数据可重复使用;数据可以在个体之间共享;数据复制简便等等,这些特性使得传统的定价方法并不适用于数据的定价,需要进一步的研究来探讨更加合理,更加符合数据资产特征的定价方法。本文从数据本身的属性出发,制定了数据定价策略,并进行了相关实验。本文讨论了机器学习中数据的相关问题,提出通过数据市场来加快机器学习中数据的流通,在明确了数据市场的结构之后设计了数据市场中最为关键的定价策略。为了解决现有定价方案对消费者不透明、无法体现数据本身属性的问题,本文考虑通过数据的价值来制定价格,价值越高的数据具有越高的价格。在衡量数据价值的方法上,本文选择综合“质”（数据质量）和“量”（信息熵）两个指标来衡量数据价值,提出了计算数据集质量分数以及信息熵的数学方法,并且证明了评价方法的合理性。在得到数据价值的量化结果后,以此为基础制定了定价策略,实现数据的版本控制,并考虑了消费者的自由选择行为,建立了定价模型。实验部分针对了不同的数据成本类别以及不同的消费者分布分别进行了模拟实验,通过对实验结果的分析说明了本文制定的定价方案的优势所在,并且通过利润最大化和市场覆盖率来评价实验结果,此外,还讨论了该方案在实际运用上的可操作性。本文的创新性成果主要集中在两个方面:第一,结合了信息熵和数据质量两个维度来衡量数据价值,改良了单一指标的评价结果;第二,在对模型的求解上,对传统的遗传算法进行了改进,提出了子代择优的遗传算法,避免算法陷入局部最优之中。本文的主要贡献在于针对数据资产领域的热门的数据定价问题进行研究,为数据定价策略提供了一种新思路。使用价值分数来制定数据的价格让现有数据市场上信息不对称的问题得到解决。并且,以机器学习中的数据集为例,面对具体的数据形式提出了实际的解决办法,并且实现了利润最大化和较高的市场覆盖率,消费者和数据提供者双方的行为,对数据市场的运营模式有一定的启示,同时也可以促进数据市场的良好发展。