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(jī)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

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(jìn)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(dāng)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(jī)、決策樹回歸、極限樹回歸、隨機(jī)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(jī)森林、Voting等，它們具有更強(qiáng)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(jìn)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(jī)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(jī)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(biāo)簽
plt.rcParams['axes.unicode_minus'] = False  # 用來正常顯示負(fù)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?jǐn)?shù)據(jù)集的隨機(jī)種子，要想復(fù)現(xiàn)本文的結(jié)果，隨機(jī)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(biāo)

1. 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：

2. 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：

3. 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(biāo)準(zhǔn)差。計算公式如下：

4. 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(zhǔn)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(fù)值；

• 當(dāng)模型的 R2 值為負(fù)值，表示模型預(yù)測結(jié)果比基準(zhǔn)模型（均值模型）表現(xiàn)要差；

• 當(dāng)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(biāo)函數(shù)：

# 評價指標(biāo)函數(shù)定義，其中R2的指標(biāo)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(jìn)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(dāng)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(dāng)用未訓(xùn)練過的測試數(shù)據(jù)進(jìn)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(jī)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(jī)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(biāo)準(zhǔn)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

? ? ? ? 從上表可以看出，隨機(jī)森林模型的整體表現(xiàn)最好。當(dāng)然，這不代表最優(yōu)結(jié)果，因為上述7種模型都沒有進(jìn)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(qiáng)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(jī)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(qiáng)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(jī)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(qiáng)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。文章來源地址http://www.zghlxwxcb.cn/news/detail-454596.html

到了這里，關(guān)于Python二手車價格預(yù)測（二）—— 模型訓(xùn)練及可視化的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！