需要金币： 1000 个金币 |
资料包括：完整论文 |  |
 |
| 转换比率：金额 X 10=金币数量， 例100元=1000金币 | 论文字数：20128 |  | |
| 折扣与优惠：团购最低可5折优惠 - 了解详情 | 论文格式：Word格式(*.doc) |  |
摘要：二手车估值作为二手车交易的核心问题，直接连接着买卖双方，关系着交易质量的优劣。传统估值方法通过评估专家的检验确定车辆的价格，不利于提高交易的透明度以及效率。论文通过对现有估值理论进行探索，基于特征价格理论和机器学习算法，提出了一种基于LightGBM和CatBoost的二手车估值模型。论文对爬取的数据进行特征变量的筛选、转换、合并和插补，以及相应的数据探索性分析。随后，运用处理后的数据重点训练了三种基于梯度提升树的改进模型（XGBoost、LightGBM、CatBoost），并且通过反复调参来提供最佳的模型效果。在对比多个融合模型的预测表现的基础上，确定出预测效果最优的融合模型，并加以应用以验证其实用性。分析结果表明，新的融合模型MAE为0.1719，调整后的R方为0.9185，模型预测效果更加稳定和准确。
关键词：二手车估值；特征价格理论；多元线性回归；随机森林；Stacking融合模型
目 录
摘 要
Abstract
1. 前言-1
1.1 研究背景-1
1.2 研究目的与意义-1
1.3 研究对象与方法-2
2. 文献综述与理论基础-3
2.1 相关评估理论-3
2.3 建模算法基础-4
2.4 评估指标-9
3. 数据获取与预处理-10
3.1 数据获取与解释-10
3.2 数据清洗与转换-12
3.3 数据探索与特征工程-16
4. 模型构建与分析-24
4.1 基础模型的训练-24
4.1.1 多元线性回归-24
4.1.2 决策树-28
4.1.3 随机森林-30
4.2 梯度提升树-32
4.2.1 XGBoost模型-33
4.2.2 LightGBM模型-35
4.2.3 CatBoost模型-37
4.3 基于Stacking的融合模型-39
4.4 模型评价-42
4.5 模型应用-42
4.6 特征重要性分析-44
5 总结与展望-47
参 考 文 献-48
附录-49
致谢 |
