基于机器学习模型的二手车估价问题研究

摘要：

二手车价格不但受到汽车本身配置影响,还与汽车损耗、新车价格等信息有着密切的联系,因此往往难以对二手车价格进行准确估计.本文根据拉依达准则去除异常数据,利用线性插值法填补缺失值,运用XGBoost算法筛选出11个影响二手车交易价格的重要因素.在11个重要因素的基础上,运用主成分分析进行降维处理,得到四个主成分.再运用BPNN、PCA-BPNN、SVR、PCA-SVR、RF、PCA-RF六种模型对二手车交易价格进行预测.添加降维处理的模型预测效果明显优于未降维处理的模型,并且PCA-RF模型的预测效果最佳,其5％误差准确率高达29.20％.

关键词：二手车交易价格、XGBoost、PCA、BP神经网络、PCA-SVR、PCA-RF

所属期刊栏目：22

分类号：F279.244.4;TP391;F832.51

资助基金：国家自然科学基金;吉林省教育厅十三五科学技术项目;吉林省首批专业学位研究生教学案例立项建设统计建模与方法、吉林省教育科学十四五规划课题

在线出版日期：2023-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：57-58