本发明专利技术公开了一种二手车价值评估方法、装置、设备及存储介质，涉及车辆价值评估技术领域。所述方法通过将用于二手车价值评估的基础数据拆分为训练数据集、验证数据集、测试数据集，并采用训练数据集构建若干二手车价值评估模型以及采用验证数据集和所述测试数据集从所述若干二手车价值评估模型中选取最优评估模型，然后根据该最优评估模型获取目标二手车的价值评估。相对于传统的二手车价值评估或评估方法，由于本二手车价值评估方法综合考虑了各种影响价格因素并且从若干种二手车评估模型中选取最优评估模型进行评估，获得的二手车价值评估更为客观准确，适用性更高。适用性更高。适用性更高。
【技术实现步骤摘要】
二手车价值评估方法、装置、设备及存储介质
[0001]本专利技术涉及车辆价值评估
，尤其涉及一种二手车价值评估方法、装置、设备及存储介质。
技术介绍
[0002]随着汽车消费的日益增长，二手车交易量不断增长，二手车市场也越来越受到关注。一个科学合理的、准确的二手车评估方法有助于我国二手车交易市场和二手车评估行业的健康可持续发展。但是由于二手车价格的不确定性和买卖双方之间的信息不对称，很难确定一个公正合理的价格。目前市场上的二手车价格评估方法多数基于经验和主观判断，存在评估视角单一、主观性过大、评估过程不规范等问题，导致评估的二手车价值失准，二手车的评估挂牌价格难以让购买者信服，这极大地阻碍了二手车的交易活动和二手车市场的发展，因此需要一种科学、客观的价格评估方法。
技术实现思路
[0003]有鉴于此，本专利技术实施例提供了二手车价值评估方法、装置、设备及存储介质，用以解决现有技术中二手车价值评估不客观准确的问题。
[0004]第一方面，本专利技术实施例提供了一种二手车价值评估方法，所述方法包括：
[0005]获取进行二手车价值评估的基础数据；
[0006]将所述基础数据拆分为训练数据集、验证数据集、测试数据集；
[0007]根据训练数据集构建若干二手车价值评估模型；
[0008]根据所述验证数据集和所述测试数据集从所述若干二手车价值评估模型中选取最优评估模型；
[0009]获取目标二手车对应的评估数据集，将所述评估数据集输入所述最优评估模型中，完成所述目标二手车价值评估。
[0010]优选地，所述将所述基础数据拆分为训练数据集、验证数据集、测试数据集包括：
[0011]根据所述基础数据确定分类变量、区间型变量；
[0012]依据应用需求确定目标变量；
[0013]将所述分类变量、所述区间型变量和所述目标变量分别随机拆分至训练数据集、验证数据集、测试数据集中。
[0014]优选的，在将所述基础数据拆分为训练数据集、验证数据集、测试数据集之后还包括：
[0015]对所述训练数据集、验证数据集、测试数据集中的数据变量进行探索分析和清洗，删除无关变量，其中，所述数据变量包括分类变量、区间型变量、目标变量中的任一种、两种或多种。
[0016]优选地，所述对所述训练数据集、验证数据集、测试数据集中的数据变量进行探索分析和清洗，删除无关变量之后包括：
[0017]基于数据情况进行数据变量的转换和合并，得到多个待选输入变量；
[0018]根据所述待选输入变量完成初始输入变量的选择。
[0019]5.根据权利要求1
‑
4任一项所述的二手车价值评估方法，其特征在于，所述基础数据包括：汽车品牌、车系、车型级别、新车购置价格、购置地区、行驶里程、车龄、行驶总里程、排量、车况等的任一种、两种或多种。
[0020]优选地，其特征在于，当所述目标二手车为新能源汽车时，所述基础数据还包括：电池额定容量、电池类型、电池健康度、充电数据等的任一种、两种或多种。
[0021]优选地，所述二手车价值评估模型包括：决策树评估模型、回归评估模型、神经网络评估模型中的任一种、两种或多种。
[0022]第二方面，本专利技术实施例提供了一种二手车价值评估装置，所述装置包括：
[0023]基础数据获取模块，用于获取用于二手车价值评估的基础数据；
[0024]数据拆分模块，用于将所述基础数据拆分为训练数据集、验证数据集、测试数据集；
[0025]训练模块，用于根据训练数据集构建若干二手车价值评估模型；
[0026]最优评估模型获取模块，用于根据所述验证数据集和所述测试数据集从所述若干二手车价值评估模型中选取最优评估模型；
[0027]评估模块，用于获取目标二手车对应的评估数据集，将所述评估数据集输入所述最优评估模型中，完成所述目标二手车价值评估。
[0028]第三方面，本专利技术实施例提供了一种二手车价值评估设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
[0029]第四方面，本专利技术实施例提供了一种存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
[0030]综上所述，本专利技术的有益效果如下：
[0031]本专利技术实施例提供的二手车价值评估方法、装置、设备及存储介质，通过将用于二手车价值评估的基础数据拆分为训练数据集、验证数据集、测试数据集，并采用训练数据集构建若干二手车价值评估模型以及采用验证数据集和所述测试数据集从所述若干二手车价值评估模型中选取最优评估模型，然后根据该最优评估模型获取目标二手车的价值评估。相对于传统的二手车价值评估或评估方法，由于本二手车价值评估方法综合考虑了各种影响价格因素并且从若干种二手车评估模型中选取最优评估模型进行评估，获得的二手车价值评估更为客观准确，适用性更高。
附图说明
[0032]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，这些均在本专利技术的保护范围内。
[0033]图1是本专利技术实施例的二手车价值评估方法的流程示意图。
[0034]图2是本专利技术实施例的拆分基础数据的流程示意图。
[0035]图3是本专利技术实施例的确定初始输入变量的流程数据图。
[0036]图4是本专利技术实施例的神经网络评估模型的结构示意图。
[0037]图5是本专利技术实施例的二手车价值评估装置的结构示意图。
[0038]图6是本专利技术实施例的二手车价值评估设备的结构示意图。
具体实施方式
[0039]下面将详细描述本专利技术的各个方面的特征和示例性实施例，为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本专利技术，并不被配置为限定本专利技术。对于本领域技术人员来说，本专利技术可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本专利技术的示例来提供对本专利技术更好的理解。
[0040]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种二手车价值评估方法，其特征在于，所述方法包括：获取用于二手车价值评估的基础数据；将所述基础数据拆分为训练数据集、验证数据集、测试数据集；根据训练数据集构建若干二手车价值评估模型；根据所述验证数据集和所述测试数据集从所述若干二手车价值评估模型中选取最优评估模型；获取目标二手车对应的评估数据集，将所述评估数据集输入所述最优评估模型中，完成所述目标二手车价值评估。2.根据权利要求1所述的二手车价值评估方法，其特征在于，所述将所述基础数据拆分为训练数据集、验证数据集、测试数据集包括：根据所述基础数据确定分类变量、区间型变量；依据应用需求确定目标变量；将所述分类变量、所述区间型变量和所述目标变量分别随机拆分至训练数据集、验证数据集、测试数据集中。3.根据权利要求1所述的二手车价值评估方法，其特征在于，在将所述基础数据拆分为训练数据集、验证数据集、测试数据集之后还包括：对所述训练数据集、验证数据集、测试数据集中的数据变量进行探索分析和清洗，删除无关变量，其中，所述数据变量包括分类变量、区间型变量、目标变量中的任一种、两种或多种。4.根据权利要求3所述的二手车价值评估方法，其特征在于，所述对所述训练数据集、验证数据集、测试数据集中的数据变量进行探索分析和清洗，删除无关变量之后包括：基于数据情况进行数据变量的转换和合并，得到多个待选输入变量；根据所述待选输入变量完成初始输入变量的选择。5.根据权利要求1
‑
4任一项所述的二手车价值评估方法，其特征在于，所述基础数据包括：汽车品牌、车系、车型级别、新车购置价格、...
【专利技术属性】
技术研发人员：于忠华，杨明，熊寅庚，邹家伟，代小朋，
申请(专利权)人：深圳鼎然信息科技有限公司，
类型：发明
国别省市：
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。