基于集成学习的二手车保值率分析.pdf

基于集成学习的二手车保值率分析 摘 要 近年来，我国经济发展迅速，人民生活水平也随之提高，汽车行业在此基础上 逐步壮大。汽车保有量的增加和现代人消费观念的转变，使得二手车市场不断发展 扩大，“互联网+ ”的浪潮更是进一步打响了二手车交易的热度。本文通过爬取人人 二手车网站10847 条数据来对二手车保值率进行下面两个方面的研究：第一，对二 手车保值率进行预估，进而可对二手车进行估价使买卖双方以公平合理的价格交易， 稳定市场秩序；第二，通过探究影响二手车保值率的因素，为二手车买卖双方提供 一些建议。 本文基于集成学习技术和Python 软件建立和改进二手车保值率回归预测模型。 首先对爬取的10847 条数据进行预处理，然后使用matplotlib 和seaborn 的绘图功能 以二手车保值率为因变量，以二手车使用状况因素、外部环境因素、汽车自身因素、 专业检测情况因素为自变量对二手车数据做描述性分析，探究四个自变量所包含的 各指标与保值率之间的关系并了解其数据分布规律。 其次，将全部样本按3 ：1 划分为训练集和测试集，使用训练集建立RF 、GBDT、 XGBoost 三种集成学习模型，并使用测试集的2 、均方误差 MSE 、平均绝对误差 MAE 作为指标评价模型性能。通过对其进行优化调参，使各算法建立的模型达到最 优，对三种集成学习模型的原始效果和调参优化后的效果进行对比，发现调参能有 效提升模型的预测效果，且三种集成学习模型的预测效果都有不错的表现。另外， 使用 Stacking 模型融合的方式将上述三种集成学习模型作为基模型， LinearRegression 作为元模型进行 Stacking，进一步提升了模型预测效果，体现了 Stacking 的优势。 最后，为探究二手车保值率的影响因素，将上述三种集成学习模型输出的特征 重要性程度及排名从以2为权重和以均方误差 MSE 为权重两个方面来分别输出最 终的影响因素排名，并将两种排名结果进行对比分析，探索出行驶里程、车龄、轴 距、整备质量、总异常数等与二手车保值率息息相关。 通过上述研究表明，利用集成学习技术建立的二手车保值率回归模型来探究二 手车保值率有较好的效果。 关键词：二手车保值率；集成学习；RF；GBDT ；XGBoost 目 录 摘 要 I Abstract II 第1 章绪论 1 1.1 研究背景与研究意义 1 1.1.1 研究背景 1 1.1.2 研究意义 2 1.2 国内外研究现状 3 1.2.1 关于二手车的研究现状 3 1.2.2 关于集成学习的研究现状 5 1.3 研究内容及方法 7 1.3.1 研究内容 7 1.3.2 研究方法 8 1.3.3 本文主要创新点 8 第2 章 相关理论方法概述 10 2.1 集成学习综述 10 2.2 Bagging 方法介绍 11 2.2.1 Bagging 扩展变体-随机森林 12 2.3 Boosting 方法介绍 13 2.3.1 GBDT 14 2.3.2 XGBoost 16 2.4 Bagging 与Boosting 的区别 17 2.5 Stacking 18 第3 章 指标体系建立及描述性分析 21 3.1 指标体系的建立 21 3.1.1 数据来源 21 3.1.2 指标构成 21 3.1.3 数据预处理 23 3.2 二手车数据的描述性统计分析 26 3.2.1 二手车保值率分析 26