The invention discloses an intelligent method for predicting the price of used cars, which belongs to the field of artificial intelligence technology. According to the influencing factors of the price of used cars, the attributes needed for the price regression of used cars are selected to quantify the attributes, the attribute feature vectors and the previous transaction data are cleaned out, and the decision-making regression tree model is trained; and the settings are changed. New time intervals and new transaction data indicators, update the model regularly; select vehicle attributes including brand, vehicle series, configuration, gearbox category, color, vehicle type, displacement, purchase time, travel mileage, number of transactions, new rate, whether a serious collision, whether long soaking water and whether the fire. By selecting the key factors affecting the price of used cars and training the decision-making regression tree model with transaction data, the invention achieves the purpose of intelligent prediction of the price of used cars, makes the price evaluation of used cars more objective and fair, and effectively guarantees the fair trade of used cars.
【技术实现步骤摘要】
一种智能预测二手车价格的方法
本专利技术涉及人工智能
,具体地说是一种智能预测二手车价格的方法。
技术介绍
随着经济水平和汽车工业的发展,二手车市场愈发繁荣,二手车交易平台为车辆交易提供保障和服务,交易的重点是对二手车价格的合理评估。目前二手车交易平台对车辆价格的评估主要通过专业的评估师对机动车状态的判断给出,评估价格严重依赖评估师的专业性和个人经验,掺杂了许多主观成分。由于个体的局限性,无法参考所有交易记录,给出偏离市场价格较多的评估价格。
技术实现思路
本专利技术的技术任务是针对以上不足之处,提供一种智能预测二手车价格的方法,通过选取影响二手车价格的关键因素,利用交易数据训练决策回归树模型,达到智能预测二手车价格的目的。本专利技术解决其技术问题所采用的技术方案是:一种智能预测二手车价格的方法,根据二手车价格的影响因素选取二手车价格回归所需的属性,量化所述属性;清洗出所述属性特征向量和既往交易数据,并训练决策回归树模型;设定更新时间间隔和新增交易数据指标,定期更新该决策回归树模型;选取车辆的属性包括品牌、车系、配置、变速箱类别、颜色、车型、排量、购买时间、行驶里程、交易次数、成新率、是否严重碰撞、是否长时间泡水和是否过火;对既往二手车交易数据的车辆和成交价格做数据处理,得到决策回归树模型的样本集合Ω={(x,y)|x∈A14,y为正整数成交价格,单位万元}预测车辆价格时,获取该车在特征空间A14的特征向量x,输入决策回归树模型,得到该车的评估价格y万元。电子商务、大数据和机器学习的发展给解决价格预测问题提供了新的方法。电子商务和大数据技术在应用过程中积 ...
【技术保护点】
1.一种智能预测二手车价格的方法,其特征在于根据二手车价格的影响因素选取二手车价格回归所需的属性,量化所述属性;清洗出所述属性特征向量和既往交易数据,并训练决策回归树模型;设定更新时间间隔和新增交易数据指标,定期更新模型;选取车辆的属性包括品牌、车系、配置、变速箱类别、颜色、车型、排量、购买时间、行驶里程、交易次数、成新率、是否严重碰撞、是否长时间泡水和是否过火;对既往二手车交易数据的车辆和成交价格做数据处理,得到决策回归树模型的样本集合Ω={(x,y)|x∈A14,y为正整数成交价格,单位万元}预测车辆价格时,获取该车在特征空间A14的特征向量x,输入决策回归树模型,得到该车的评估价格y万元。
【技术特征摘要】
1.一种智能预测二手车价格的方法,其特征在于根据二手车价格的影响因素选取二手车价格回归所需的属性,量化所述属性;清洗出所述属性特征向量和既往交易数据,并训练决策回归树模型;设定更新时间间隔和新增交易数据指标,定期更新模型;选取车辆的属性包括品牌、车系、配置、变速箱类别、颜色、车型、排量、购买时间、行驶里程、交易次数、成新率、是否严重碰撞、是否长时间泡水和是否过火;对既往二手车交易数据的车辆和成交价格做数据处理,得到决策回归树模型的样本集合Ω={(x,y)|x∈A14,y为正整数成交价格,单位万元}预测车辆价格时,获取该车在特征空间A14的特征向量x,输入决策回归树模型,得到该车的评估价格y万元。2.根据权利要求1所述的一种智能预测二手车价格的方法,其特征在于所述品牌指机动车的品牌标识;车系是品牌的细分;配置包括高档、中档和低档;变速箱类别包括手动挡和自动挡;颜色分为黑、白、银、蓝、红、黄、橙、紫、绿、咖啡色、彩色和其他色;车型包括面包车、两厢轿车、三厢轿车、SUV、跑车和其他。3.根据权利要求1或2所述的一种智能预测二手车价格的方法,其特征在于排量以升为单位;购买时间以月为单位;行驶里程以万公里为单位。4.根据权利要求1或2所述的一种智能预测二手车价格的方法,其特征在于成新率得...
【专利技术属性】
技术研发人员:高岩,段成德,于治楼,
申请(专利权)人:济南浪潮高新科技投资发展有限公司,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。