The embodiment of this application shows a second-hand car pricing method device and system. The method includes constructing a Feature-Weighted stacking linear regression model, calculating the predicted price of the second-hand car based on the Feature-Weighted stacking linear regression model and the feature attributes of the second-hand car. The method illustrated in the embodiment of this application is to select the data affecting the transaction price of used cars as features by analyzing the historical data of used cars. Then, the price of used cars is modeled by computer algorithm and mixed meta-features. Finally, the price of used cars is calculated by the established model. The method illustrated in the embodiment of the present application incorporates meta-features into the modeling process while taking into account the diversity of internal models, thereby ensuring that the estimated price of used cars is more accurate.
【技术实现步骤摘要】
一种二手车定价方法装置及系统
本专利技术涉及信息处理系统
,特别涉及一种二手车定价方法装置及系统。
技术介绍
随着经济社会的发展和城市居民生活水平提高,车辆已变成私人的基本要求。近年来,中国经济的飞速发展,车辆保有量的快速增长,二手车的交易买卖越来越繁荣,全国每个省会城市的二手车辆经纪人和单位通常达到5000个以上,每年成交的二手车达到10万-20万辆。随着二手车的交易买卖的逐渐繁荣,二手车市场随之面临一系列挑战,例如,目前的二手车市场仍然是个信息不对称的市场,消费者很难知晓二手车的价值,其结果是二手车市场难以取得消费者的信赖,导致二手车市场失去一些潜在的客户。因此如何对的二手车进行评估定价,显得尤为重要。现在的二手车评估定价基本上是由评估师的经验来决定,即评估师根据二手车的一些表面状况及个人经验进行评估。然而,上述评估定价方式由于有过多的人为因素参与,往往造成评估结果不够准确,从而对买卖双方造成麻烦。为例避免人为因素的参与,近年来,一些二手车商家通过stacking线性回归方法为二手车评估定价,通常,先建立模型,将所述模型应用于二手车的评估定价。具体的,首先通过在专门网站获取二手车辆的使用年限作为自变量,将二手车对应的价格作为因变量,寻找自变量与因变量之间的函数,然后采用所述函数对二手车评估定价。通常自变量包括:行驶公里、有无事故等简单数据。现有技术中,通过stacking线性回归方法对二手车进行评估定价,通过在专门网站输入使用年限、行驶公里、有无事故等简单数据而得到车辆的评估价格。此种评估方式忽略了车辆本身的使用状况等复杂因素,因此,得到的评估价 ...
【技术保护点】
1.一种二手车定价方法,其特征在于,所述方法包括:构建特征加权的stacking线性回归模型;基于所述特征加权的stacking线性回归模型,以及,所述二手车的特征属性,计算出所述二手车的预测价格。
【技术特征摘要】
1.一种二手车定价方法,其特征在于,所述方法包括:构建特征加权的stacking线性回归模型;基于所述特征加权的stacking线性回归模型,以及,所述二手车的特征属性,计算出所述二手车的预测价格。2.根据权利要求1所述的方法,其特征在于,所述构建特征加权的stacking线性回归模型的步骤包括:获取二手车的历史数据,所述历史数据包括:二手车的特征属性,元特征,以及,二手车的成交价格;根据所述二手车的特征属性,生成特征属性矩阵;基于所述特征属性与二手车的成交价格之间的对应关系,生成成交价格矩阵,以及,基于所述特征属性与元特征之间的对应关系,生成元特征矩阵;将所述特征属性矩阵中的每个特征属性分别映射到多个计算机算法中,得到算法矩阵;根据所述成交价格矩阵,所述元特征矩阵,以及,所述算法矩阵,确定加权系数矩阵;根据所述加权系数矩阵,算法矩阵,以及,所述元特征矩阵构建特征加权的stacking线性回归模型。3.根据权利要求2所述的方法,其特征在于,根据所述加权系数矩阵,算法矩阵,以及,所述元特征矩阵构建特征加权的stacking线性回归模型的步骤具体为:其中,所述b(x)为二手车的成交价格,所述vij为加权系数矩阵,所述fi(x)为算法矩阵,所述gi(x)为元特征矩阵。4.根据权利要求3所述的方法,其特征在于,所述根据成交价格矩阵,所述元特征矩阵,以及,所述算法矩阵,确定加权系数矩阵的步骤具体为:C=argminx(ATx-B2+Γx2);根据所述加权系数矩阵的转置矩阵,确定加权系数矩阵;其中,C为加权系数矩阵的转置矩阵;Γ为Tikhonov矩阵。5.根据权利要求4所述的方法,其特征在于,当Γ=αI时,C=(ATA+α2I)-1ATB;其中I为单位矩阵。6.根据权利要求2所述的方法,其特征在于,所述元特征矩阵为:二手车车型所在市的销量,二手车车型所在省份的销量,二手车车型全国下的销量,二手车车系所在城市下的销量,二手车车系所在省份下的销量...
【专利技术属性】
技术研发人员:石玉明,邱慧,韦仕伟,伊凡,
申请(专利权)人:优估上海信息科技有限公司,
类型:发明
国别省市:上海,31
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。