二手车价格预测 探索具有随机森林和正则化的二手车价格预测模型。 我使用R进行数据可视化，数据插补和模型选择。 涉及的主要软件包是Hmisc，ggplot2，randomForest和glmnet。 我们正在寻求使用随机Forst和正则化技术的特征选择和预测算法。 方法是随机森林，山脊，套索和弹性网回归。 事实证明，弹性模型可以大幅度减少维数，并保持良好的预测能力。

资源包含文件：设计报告word和pdf两个版本+源码及数据 box-cox 变换目标值“price”，解决长尾分布。 删除与目标值无关的列，例如“SaleID”，“name”。这里可以挖掘一下“name”的长度作为新的特征。 异常点处理，删除训练集特有的数据，例如删除“seller”==1 的值。 缺失值处理，分类特征填充众数，连续特征填充平均值。 其他特别处理，把取值无变化的列删掉。 异常值处理，按照题目要求“power”位于 0～600，因此把“power”>600 的值截断至 600，把"notRepairedDamage"的非数值的值替换为 np.nan，让模型自行处理。 详细介绍参考：https://blog.csdn.net/sheziqiong/article/details/125362504

基于神经网络的二手车价格评估模型_张远森.caj

数据可以在官网下载 方案与文件

二手车价格计算公式.pdf

目录:keycap_0: 前言:keycap_0:.:keycap_1: 赛题重述:keycap_0:.:keycap_2: 数据集概述:keycap_1: 数据处理:keycap_2: 线性回归:keycap_2:.:keycap_1: 简单建模:keycap_2:.:keycap_2: 处理长尾分布:keycap_3: 五折交叉验证¶（`cross_val_score`）:keycap_3:.:keycap_1: `cross_val_score`相应函数的应用:keycap_3:.:keycap_2: 考虑真实世界限制:keycap_3:.:keycap_3: 绘制学习率曲线与验证曲线¶:keycap_4: 多种模型对比:keycap_4:.:keycap_1: 线性模型 & 嵌入式特征选择:keycap_4:.:keycap_1:.:keycap_1: `LinearRegression`，`Ridge`，`Lasso`方法的运行:keycap_4:.:keycap_1:.:keycap_2: 三种方法的对比:keycap_4:.:keycap_2: 非线性模型:keycap_

:automobile: :money_bag:我的车值多少钱？ :robot:二手车价格预测解决方案的原型 该项目的目的是创建一个完整的机器学习原型，从探索性数据分析到模型部署和用户界面开发。 在此存储库中，您可以找到： 作者

vehicles.csv

人人车二手车数据用于机器学习二手车价格预测，数据为json格式，二手车数据属性包含：售价、行驶里程、车牌所在地、保险信息、出厂日期、以及车辆的详细配置信息，大概有180-200个属性，内容丰富，属于爬取的原始数据，未经处理，正好用于数据处理与分析练手所用。