基于机器学习模型的二手车估价问题研究

二手车价格不但受到汽车本身配置影响,还与汽车损耗、新车价格等信息有着密切的联系,因此往往难以对二手车价格进行准确估计。本文根据拉依达准则去除异常数据,利用线性插值法填补缺失值,运用XGBoost算法筛选出11个影响二手车交易价格的重要因素。在11个重要因素的基础上,运用主成分分析进行降维处理,得到四个主成分。再运用BPNN、PCA-BPNN、SVR、PCA-SVR、RF、PCA-RF六种模型对二手车交易价格进行预测。添加降维处理的模型预测效果明显优于未降维处理的模型,并且PCA-RF模型的预测效果最佳,其5%误差准确率高达29.20%。