系列文章目錄

一、Python數(shù)據(jù)分析-二手車數(shù)據(jù)獲取用于機器學(xué)習(xí)二手車價格預(yù)測

二、Python二手車價格預(yù)測（一）—— 數(shù)據(jù)處理

---

文章目錄

• 系列文章目錄
• 前言
• 一、明確任務(wù)
• 二、模型訓(xùn)練
• • 1.引入庫
  • 2.讀入數(shù)據(jù)
  • 3.評價指標
  • 4.線性回歸
  • 5.K近鄰
  • 6.決策樹回歸
  • 7.隨機森林
  • 8.XGBoost
  • 9.集成模型Voting
  • 10.Tensorflow神經(jīng)網(wǎng)絡(luò)
  • 11.各模型結(jié)果
• 三、重要特征篩選
• 結(jié)語

---

前言

? ? ? ? 前面分享了二手車數(shù)據(jù)獲取的內(nèi)容，又對獲取的原始數(shù)據(jù)進行了數(shù)據(jù)處理，相關(guān)博文可以訪問上面鏈接。許多朋友私信我問會不會出模型，今天模型baseline來了！允許我拋磚引玉，有什么地方描述的不恰當或者有問題，請各位朋友們評論指正！

---

一、明確任務(wù)

? ? ? ? 一般的預(yù)測任務(wù)分為回歸任務(wù)和分類任務(wù)，二手車的價格是一個連續(xù)值，因此二手車價格預(yù)測是一個回歸任務(wù)。
? ? ? ? 回歸任務(wù)的模型有很多，如：線性回歸、K近鄰（KNN）、嶺回歸、多層感知機、決策樹回歸、極限樹回歸、隨機森林、梯度提升樹……
? ? ? ? 諸多模型中有一部分模型是通過多個弱學(xué)習(xí)器集成起來的模型，像隨機森林、Voting等，它們具有更強的學(xué)習(xí)能力，集成多個單一學(xué)習(xí)器得到最終結(jié)果，一般集成模型的預(yù)測效果表現(xiàn)都很良好。
為了給大家提供一個二手車價格預(yù)測的baseline，我將選取幾個經(jīng)典模型進行訓(xùn)練。

二、模型訓(xùn)練

1.引入庫

代碼如下：

# 寫在前面，大家可以關(guān)注一下微信公眾號：吉吉的機器學(xué)習(xí)樂園 # 可以通過后臺獲取數(shù)據(jù)，不定期分享Python，Java、機器學(xué)習(xí)等相關(guān)內(nèi)容import pandas as pd import numpy as np import matplotlib.pyplot as plt from matplotlib.pyplot import MultipleLocator import sys import seaborn as sns import warnings warnings.filterwarnings("ignore") plt.rcParams['font.sans-serif'] = ['SimHei'] # 用來正常顯示中文標簽 plt.rcParams['axes.unicode_minus'] = False # 用來正常顯示負號 pd.set_option('display.max_rows', 100,'display.max_columns', 1000,"display.max_colwidth",1000,'display.width',1000)from sklearn.metrics import * from sklearn.linear_model import * from sklearn.neighbors import * from sklearn.svm import * from sklearn.neural_network import * from sklearn.tree import * from sklearn.ensemble import * from xgboost import * import lightgbm as lgb import tensorflow as tf from tensorflow.keras import layers from sklearn.preprocessing import * from sklearn.ensemble import RandomForestRegressor as RFR from sklearn.model_selection import *

2.讀入數(shù)據(jù)

代碼如下：

# final_data.xlsx 是上一次分享最后數(shù)據(jù)處理后的 data = pd.read_excel("final_data.xlsx", na_values=np.nan# 將數(shù)據(jù)劃分輸入和結(jié)果集 X = data[ data.columns[1:] ] y_reg = data[ data.columns[0] ]# 切分訓(xùn)練集和測試集， random_state是切分數(shù)據(jù)集的隨機種子，要想復(fù)現(xiàn)本文的結(jié)果，隨機種子應(yīng)該一致 x_train, x_test, y_train, y_test = train_test_split(X, y_reg, test_size=0.3, random_state=42)

3.評價指標

平均絕對誤差（MAE）

? ? ? ? 平均絕對誤差的英文全稱為 Mean Absolute Error，也稱之為 L1 范數(shù)損失。是通過計算預(yù)測值和真實值之間的距離的絕對值的均值，來衡量預(yù)測值與真實值之間的距離。計算公式如下：

均方誤差（MSE）

? ? ? ? 均方誤差英文全稱為 Mean Squared Error，也稱之為 L2 范數(shù)損失。通過計算真實值與預(yù)測值的差值的平方和的均值來衡量距離。計算公式如下：

均方根誤差（RMSE）

? ? ? ? 均方根誤差的英文全稱為 Root Mean Squared Error，代表的是預(yù)測值與真實值差值的樣本標準差。計算公式如下：

決定系數(shù)（R2）

? ? ? ? 決定系數(shù)評估的是預(yù)測模型相對于基準模型（真實值的平均值作為預(yù)測值）的好壞程度。計算公式如下：

• 最好的模型預(yù)測的 R2 的值為 1，表示預(yù)測值與真實值之間是沒有偏差的；

• 但是最差的模型，得到的 R2 的值并不是 0，而是會得到負值；

• 當模型的 R2 值為負值，表示模型預(yù)測結(jié)果比基準模型（均值模型）表現(xiàn)要差；

• 當模型的 R2 值大于 0，表示模型的預(yù)測結(jié)果比使用均值預(yù)測得到的結(jié)果要好。

定義評價指標函數(shù)：

# 評價指標函數(shù)定義，其中R2的指標可以由模型自身得出，后面的score即為R2 def evaluation(model):ypred = model.predict(x_test)mae = mean_absolute_error(y_test, ypred)mse = mean_squared_error(y_test, ypred)rmse = sqrt(mse)print("MAE: %.2f" % mae)print("MSE: %.2f" % mse)print("RMSE: %.2f" % rmse)return ypred

4.線性回歸

代碼如下：

model_LR = LinearRegression() model_LR.fit(x_train, y_train) print("params: ", model_LR.get_params()) print("train score: ", model_LR.score(x_train, y_train)) print("test score: ", model_LR.score(x_test, y_test)) predict_y = evaluation(model_LR)

輸出結(jié)果：

params: {'copy_X': True, 'fit_intercept': True, 'n_jobs': None, 'normalize': False} train score: 0.823587700962806 test score: 0.7654427047191524 MAE: 1.97 MSE: 25.90 RMSE: 5.09

我們可以將 y_test 轉(zhuǎn)換為 numpy 的 array 形式，方便后面的繪圖。

test_y = np.array(y_test)

由于數(shù)據(jù)量較多，我們?nèi)☆A(yù)測結(jié)果和真實結(jié)果的前50個數(shù)據(jù)進行繪圖。

plt.figure(figsize=(10,10)) plt.title('線性回歸-真實值預(yù)測值對比') plt.plot(predict_y[:50], 'ro-', label='預(yù)測值') plt.plot(test_y[:50], 'go-', label='真實值') plt.legend() plt.show()

上圖中，綠色點為真實值，紅色點為預(yù)測值，當兩點幾乎重合時，說明模型的預(yù)測結(jié)果十分接近。

5.K近鄰

代碼如下：

model_knn = KNeighborsRegressor() model_knn.fit(x_train, y_train) print("params: ", model_knn.get_params()) print("train score: ", model_knn.score(x_train, y_train)) print("test score: ", model_knn.score(x_test, y_test)) predict_y = evaluation(model_knn)

輸出結(jié)果：

params: {'algorithm': 'auto', 'leaf_size': 30, 'metric': 'minkowski', 'metric_params': None, 'n_jobs': None, 'n_neighbors': 5, 'p': 2, 'weights': 'uniform'} train score: 0.8701966571367806 test score: 0.7886892618747352 MAE: 1.35 MSE: 23.33 RMSE: 4.83

繪圖：

plt.figure(figsize=(10,10)) plt.title('KNN-真實值預(yù)測值對比') plt.plot(predict_y[:50], 'ro-', label='預(yù)測值') plt.plot(test_y[:50], 'go-', label='真實值') plt.legend() plt.show()

6.決策樹回歸

代碼如下：

model_dtr = DecisionTreeRegressor(max_depth = 5, random_state=30) model_dtr.fit(x_train, y_train) print("params: ", model_dtr.get_params()) print("train score: ", model_dtr.score(x_train, y_train)) print("test score: ", model_dtr.score(x_test, y_test)) predict_y = evaluation(model_dtr)

? ? ? ? 在這里，決策樹學(xué)習(xí)器加入了一個 max_depth 的參數(shù)，這個參數(shù)限定了樹的最大深度，設(shè)置這個參數(shù)的主要原因是為了防止模型過擬合

輸出結(jié)果：

params: {'criterion': 'mse', 'max_depth': 5, 'max_features': None, 'max_leaf_nodes': None, 'min_impurity_decrease': 0.0, 'min_impurity_split': None, 'min_samples_leaf': 1, 'min_samples_split': 2, 'min_weight_fraction_leaf': 0.0, 'presort': False, 'random_state': 30, 'splitter': 'best'} train score: 0.8339532311129941 test score: 0.7857733129009127 MAE: 2.16 MSE: 18.37 RMSE: 4.29

如果不限定樹的最大深度會發(fā)生什么呢？

model_dtr = DecisionTreeRegressor(random_state=30) model_dtr.fit(x_train, y_train) print("params: ", model_dtr.get_params()) print("train score: ", model_dtr.score(x_train, y_train)) print("test score: ", model_dtr.score(x_test, y_test)) predict_y = evaluation(model_dtr)

輸出結(jié)果：

params: {'criterion': 'mse', 'max_depth': None, 'max_features': None, 'max_leaf_nodes': None, 'min_impurity_decrease': 0.0, 'min_impurity_split': None, 'min_samples_leaf': 1, 'min_samples_split': 2, 'min_weight_fraction_leaf': 0.0, 'presort': False, 'random_state': 30, 'splitter': 'best'} train score: 0.999999225529954 test score: 0.8673942873037808 MAE: 1.16 MSE: 14.64 RMSE: 3.83

獲得樹的最大深度：

model_dtr.get_depth()

輸出結(jié)果：

38

? ? ? ? 我們發(fā)現(xiàn)，在不限定樹的最大深度時，決策樹模型的訓(xùn)練得分（R2）為：0.999999225529954，但測試得分僅為：0.8673942873037808。
? ? ? ? 這就是模型過擬合，在訓(xùn)練數(shù)據(jù)上的表現(xiàn)非常良好，當用未訓(xùn)練過的測試數(shù)據(jù)進行預(yù)測時，模型的泛化能力不足，導(dǎo)致測試結(jié)果不理想。
? ? ? ? 感興趣的同學(xué)可以自行查閱關(guān)于決策樹剪枝的過程。

繪圖：

plt.figure(figsize=(10,10)) plt.title('決策樹回歸-真實值預(yù)測值對比') plt.plot(predict_y[:50], 'ro-', label='預(yù)測值') plt.plot(test_y[:50], 'go-', label='真實值') plt.legend() plt.show()

7.隨機森林

代碼如下：

model_rfr = RandomForestRegressor(random_state=30) model_rfr.fit(x_train, y_train) print("params: ", model_rfr.get_params()) print("train score: ", model_rfr.score(x_train, y_train)) print("test score: ", model_rfr.score(x_test, y_test)) predict_y = evaluation(model_rfr)

輸出結(jié)果：

params: {'bootstrap': True, 'criterion': 'mse', 'max_depth': None, 'max_features': 'auto', 'max_leaf_nodes': None, 'min_impurity_decrease': 0.0, 'min_impurity_split': None, 'min_samples_leaf': 1, 'min_samples_split': 2, 'min_weight_fraction_leaf': 0.0, 'n_estimators': 10, 'n_jobs': None, 'oob_score': False, 'random_state': 30, 'verbose': 0, 'warm_start': False} train score: 0.9873589573962257 test score: 0.9004628017201377 MAE: 0.88 MSE: 10.99 RMSE: 3.32

繪圖：

plt.figure(figsize=(10,10)) plt.title('隨機森林-真實值預(yù)測值對比') plt.plot(predict_y[:50], 'ro-', label='預(yù)測值') plt.plot(test_y[:50], 'go-', label='真實值') plt.legend() plt.show()

8.XGBoost

? ? ? ? XGboost是華盛頓大學(xué)博士陳天奇創(chuàng)造的一個梯度提升（Gradient Boosting）的開源框架。至今可以算是各種數(shù)據(jù)比賽中的大殺器，被大家廣泛地運用。

代碼如下：

model_xgbr = XGBRegressor(n_estimators = 200, max_depth=5, random_state=1024) model_xgbr.fit(x_train, y_train) print("params: ", model_xgbr.get_params()) print("train score: ", model_xgbr.score(x_train, y_train)) print("test score: ", model_xgbr.score(x_test, y_test)) predict_y = evaluation(model_xgbr)

輸出結(jié)果：

params: {'objective': 'reg:squarederror', 'base_score': 0.5, 'booster': 'gbtree', 'colsample_bylevel': 1, 'colsample_bynode': 1, 'colsample_bytree': 1, 'gamma': 0, 'gpu_id': -1, 'importance_type': 'gain', 'interaction_constraints': '', 'learning_rate': 0.300000012, 'max_delta_step': 0, 'max_depth': 5, 'min_child_weight': 1, 'missing': nan, 'monotone_constraints': '()', 'n_estimators': 200, 'n_jobs': 0, 'num_parallel_tree': 1, 'random_state': 1024, 'reg_alpha': 0, 'reg_lambda': 1, 'scale_pos_weight': 1, 'subsample': 1, 'tree_method': 'exact', 'validate_parameters': 1, 'verbosity': None} train score: 0.9897272945187993 test score: 0.8923618501911923 MAE: 0.88 MSE: 11.88 RMSE: 3.45

繪圖：

plt.figure(figsize=(10,10)) plt.title('XGBR-真實值預(yù)測值對比') plt.plot(predict_y[:50], 'ro-', label='預(yù)測值') plt.plot(test_y[:50], 'go-', label='真實值') plt.legend() plt.show()

9.集成模型Voting

? ? ? ? Voting可以簡單理解為將各個模型的結(jié)果加權(quán)平均，也是使用較多的一種集成模型。

代碼如下：

model_voting = VotingRegressor(estimators=[('model_LR', model_LR),('model_knn', model_knn), ('model_dtr', model_dtr),('model_rfr', model_rfr),('model_xgbr', model_xgbr)]) model_voting.fit(x_train, y_train) # print("params: ", model_voting.get_params()) print("train score: ", model_voting.score(x_train, y_train)) print("test score: ", model_voting.score(x_test, y_test)) predict_y = evaluation(model_voting)

輸出結(jié)果：

train score: 0.9572901767964346 test score: 0.8964163648799375 MAE: 1.08 MSE: 11.44 RMSE: 3.38

繪圖：

plt.figure(figsize=(10,10)) plt.title('集成模型voting-真實值預(yù)測值對比') plt.plot(predict_y[:50], 'ro-', label='預(yù)測值') plt.plot(test_y[:50], 'go-', label='真實值') plt.legend() plt.show()

10.Tensorflow神經(jīng)網(wǎng)絡(luò)

使用Tensorflow前需要安裝，本文使用的是tensorflow2.0.0版本。

為了使模型快速收斂，首先需要將數(shù)據(jù)標準化。

代碼如下：

scaler = StandardScaler() x_train_scaled = scaler.fit_transform(x_train) x_test_scaled = scaler.transform(x_test)train_x = np.array(x_train_scaled) test_x = np.array(x_test_scaled) train_y = np.array(y_train) test_y = np.array(y_test)# 1、模型初始化 model_tf = tf.keras.Sequential()# 2、添加隱藏層，并設(shè)置激活函數(shù)，這里我們用relu model_tf.add(layers.Dense(128, activation='relu')) model_tf.add(layers.Dense(64, activation='relu')) model_tf.add(layers.Dense(8, activation='relu')) model_tf.add(layers.Dense(4, activation='relu')) model_tf.add(layers.Dense(1, activation='relu'))# 3、初始化輸入的shape，189為輸入的189維特征 model_tf.build(input_shape =(None,189))# 4、編譯模型 model_tf.compile(optimizer=tf.keras.optimizers.RMSprop(0.001),loss=tf.keras.losses.mean_squared_error,metrics=['mse', 'mae'])# 5、模型訓(xùn)練 history = model_tf.fit(train_x, train_y, epochs=200, batch_size=128,validation_split = 0.2, #從測試集中劃分80%給訓(xùn)練集validation_freq = 1) #測試的間隔次數(shù)為1# 獲取模型訓(xùn)練過程 model_tf.summary()

輸出結(jié)果：

模型訓(xùn)練損失情況：

history_dict = history.history loss_values = history_dict['loss'] mae=history_dict["mae"] mse=history_dict["mse"] val_loss = history_dict['val_loss'] val_mae = history_dict['val_mae'] val_mse = history_dict['val_mse'] epochs = range(1, len(loss_values) + 1)plt.figure(figsize=(8,5)) plt.plot(range(1, len(loss_values) + 1), loss_values, label = 'Training loss') plt.plot(range(1, len(val_loss) + 1), val_loss, label = 'Validation loss') plt.title('Training and validation loss') plt.xlabel('Epochs') plt.ylabel('Loss') plt.legend() plt.show()

模型MAE：

plt.figure(figsize=(8,5)) plt.plot(range(1, len(mae) + 1), mae, label = 'mae') plt.plot(range(1, len(val_mae) + 1), val_mae, label = 'val_mae') plt.title('mean_absolute_error') plt.xlabel('Epochs') plt.ylabel('error') plt.legend() plt.show()

模型MSE：

plt.figure(figsize=(8,5)) plt.plot(range(1, len(mse) + 1), mse, label = 'mse') plt.plot(range(1, len(val_mse) + 1), val_mse, label = 'val_mse') plt.title('mean_squre_error') plt.xlabel('Epochs') plt.ylabel('error') plt.legend() plt.show()

模型評估：

ypred = model_tf.predict(test_x) mae = mean_absolute_error(test_y, ypred) mse = mean_squared_error(test_y, ypred) rmse = sqrt(mse) print("MAE: %.2f" % mae) print("MSE: %.2f" % mse) print("RMSE: %.2f" % rmse)

輸出結(jié)果：

MAE: 0.94 MSE: 24.03 RMSE: 4.90

11.各模型結(jié)果

模型名稱MAEMSERMSETrain R2Test R2

線性回歸	1.97	25.9	5.09	0.82	0.76
KNN	1.35	23.3	4.83	0.87	0.78
決策樹	2.09	23.9	4.89	0.84	0.78
隨機森林	0.88	10.99	3.32	0.98	0.90
XGBoost	0.88	11.88	3.45	0.98	0.89
Voting	1.08	11.44	3.38	0.95	0.89
神經(jīng)網(wǎng)絡(luò)	0.94	24.0	4.90	0.98	0.78

? ? ? ? 從上表可以看出，隨機森林模型的整體表現(xiàn)最好。當然，這不代表最優(yōu)結(jié)果，因為上述7種模型都沒有進行調(diào)參優(yōu)化，經(jīng)過調(diào)參后的各個模型效果還有可能提升。

三、重要特征篩選

? ? ? ? 為了提升模型效果也可以對數(shù)據(jù)做特征篩選，這里可以通過相關(guān)系數(shù)分析法，將影響二手車售價的特征與售價做相關(guān)系數(shù)計算，pandas包很方便的集成了算法，并且可以通過seaborn、matplotlib等繪圖包將相關(guān)系數(shù)用熱力圖的方式可視化。

# 這里的列取final_data中，除0-1和獨熱編碼形式的數(shù)據(jù) corr_cols = list(data.columns[:28]) + list(data.columns[43:49]) test_data = data[corr_cols] test_data_corr = test_data.corr() price_corr = dict(test_data_corr.iloc[0]) price_corr = sorted(price_corr.items(), key=lambda x: abs(x[1]), reverse=True) # 輸出按絕對值排序后的相關(guān)系數(shù) print(price_corr)

輸出結(jié)果，除"售價"外，共有33個特征：

[('售價', 1.0),('新車售價', 0.7839935301900343),('最大功率(kW)', 0.7117612690884588),('最大馬力(Ps)', 0.7110554212212731),('最大扭矩(N·m)', 0.696952631401139),('最高車速(km/h)', 0.5419965777866631),('排量(mL)', 0.5330405118740592),('排量(L)', 0.5308107362792799),('整備質(zhì)量(kg)', 0.49194473580917225),('官方0-100km/h加速(s)', -0.48176542342318535),('寬度(mm)', 0.4714397275896106),('軸距(mm)', 0.46166756230018036),('氣缸數(shù)(個)', 0.4454272911508132),('油箱容積(L)', 0.437777686409757),('后輪距(mm)', 0.38050056092464896),('長度(mm)', 0.3713764530321577),('前輪距(mm)', 0.3620381932871346),('最大扭矩轉(zhuǎn)速(rpm)', -0.3350318499883131),('注冊日期差（天）', -0.2737947095245184),('出廠日期差（天）', -0.2598892184068559),('工信部綜合油耗(L/100km)', 0.21117598576704852),('行駛里程', -0.15837809707633024),('最大功率轉(zhuǎn)速(rpm)', -0.14929627599693607),('行李廂容積(L)', 0.1303796302281349),('每缸氣門數(shù)(個)', 0.08610716158708019),('壓縮比', 0.0820485577972737),('車門數(shù)', -0.05405277879497536),('高度(mm)', 0.04866102899154555),('商業(yè)險過期日期差（天）', -0.047366786391213236),('交強險過期日期差（天）', -0.04465347803879652),('車船稅過期日期差（天）', -0.03694367077131783),('載客/人', -0.03234487106605593),('最小離地間隙(mm)', 0.027822359248097703),('座位數(shù)', 0.016036623933084658)]

繪制熱力圖：

price_corr_cols = [ r[0] for r in price_corr ] price_data = test_data_corr[price_corr_cols].loc[price_corr_cols] plt.figure(figsize=(15, 10)) plt.title("相關(guān)系數(shù)熱力圖") ax = sns.heatmap(price_data, linewidths=0.5, cmap='OrRd', cbar=True) plt.show()

? ? ? ? 為了驗證相關(guān)系數(shù)分析出來的重要特征是否對模型有效，我們將模型效果最好的隨機森林模型的前33個重要特征輸出。

feature_important = sorted(zip(x_train.columns, map(lambda x:round(x,4), model_rfr.feature_importances_)),key=lambda x: x[1],reverse=True)for i in range(33):print(feature_important[i])

輸出結(jié)果：

('新車售價', 0.5435) ('最大馬力(Ps)', 0.0928) ('注冊日期差（天）', 0.077) ('最大扭矩(N·m)', 0.0547) ('最大功率(kW)', 0.05) ('行駛里程', 0.0406) ('出廠日期差（天）', 0.0187) ('高度(mm)', 0.0128) ('駐車制動類型_手剎', 0.0107) ('最大功率轉(zhuǎn)速(rpm)', 0.0098) ('寬度(mm)', 0.007) ('軸距(mm)', 0.0059) ('工信部綜合油耗(L/100km)', 0.0052) ('最大扭矩轉(zhuǎn)速(rpm)', 0.0043) ('長度(mm)', 0.0042) ('助力類型_電動助力', 0.0041) ('后輪距(mm)', 0.0038) ('整備質(zhì)量(kg)', 0.0038) ('擋位個數(shù)_5', 0.0035) ('行李廂容積(L)', 0.0027) ('最高車速(km/h)', 0.0026) ('官方0-100km/h加速(s)', 0.0026) ('油箱容積(L)', 0.0026) ('前輪距(mm)', 0.0024) ('壓縮比', 0.0023) ('排量(mL)', 0.0021) ('排量(L)', 0.0019) ('上坡輔助', 0.0015) ('日間行車燈', 0.0013) ('商業(yè)險過期日期差（天）', 0.0013) ('最小離地間隙(mm)', 0.0012) ('擋位個數(shù)_6', 0.0012) ('交強險過期日期差（天）', 0.0011)

? ? ? ? 將相關(guān)系數(shù)分析出來的重要特征集合與隨機森林的前33個重要特征取交集，并輸出有多少個重復(fù)的特征。

f1_list = [] f2_list = []for i in range(33):f1_list.append(feature_important[i][0])for i in range(1, 34):f2_list.append(price_corr[i][0])cnt = 0 for i in range(33):if f1_list[i] in f2_list:print(f1_list[i])cnt += 1 print("共有"+str(cnt)+"個重復(fù)特征！")

輸出結(jié)果：

新車售價 最大馬力(Ps) 注冊日期差（天） 最大扭矩(N·m) 最大功率(kW) 行駛里程 出廠日期差（天） 高度(mm) 最大功率轉(zhuǎn)速(rpm) 寬度(mm) 軸距(mm) 工信部綜合油耗(L/100km) 最大扭矩轉(zhuǎn)速(rpm) 長度(mm) 后輪距(mm) 整備質(zhì)量(kg) 行李廂容積(L) 最高車速(km/h) 官方0-100km/h加速(s) 油箱容積(L) 前輪距(mm) 壓縮比 排量(mL) 排量(L) 商業(yè)險過期日期差（天） 最小離地間隙(mm) 交強險過期日期差（天） 共有27個重復(fù)特征！

? ? ? ? 結(jié)果表明，相關(guān)系數(shù)分析出來的重要特征對模型的效果是有效的。數(shù)據(jù)分析的魅力就在于通過統(tǒng)計學(xué)習(xí)的方法，能在模型訓(xùn)練前得到有價值的信息，甚至能挖掘出意想不到的結(jié)論。
? ? ? ? 在我看來，模型預(yù)測結(jié)果的好壞，最重要的是數(shù)據(jù)預(yù)處理，其次是特征工程和特征篩選，而模型及調(diào)參只是找到一個無限接近正確答案的工具。

---

結(jié)語

? ? ? ? 數(shù)據(jù)分析、數(shù)據(jù)挖掘以及模型訓(xùn)練還有很多沒有學(xué)到的，我也只是將我個人學(xué)習(xí)理解到的東西展現(xiàn)出來，為朋友們拋磚引玉，希望朋友們在我的baseline方法中，創(chuàng)造更完美的答案。

總結(jié)

以上是生活随笔為你收集整理的Python二手车价格预测（二）—— 模型训练及可视化的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。