比较多种机器学习方法优劣性，分析二手车价格影响因素，训练模型预测二手车价格。
根据印度二手车交易市场1996-2019年数据，进行清洗，建模，预测。
数据源准备
7253笔交易数据包括汽车属性和交易日期、地点等信息。分析数据构成：
将数据分为NA和非NA组，分析缺失值是否均匀分布：
对于的因变量“交易价格”，可见其缺失值基本均匀分布。
视频
从决策树到随机森林：R语言信用卡违约分析信贷数据实例
视频
Lasso回归、岭回归等正则化回归数学原理及R语言实例
其他自变量的缺失值也基本均匀分布。
特征转换
对一些因变量进行dummy variable转换。对大数值变量如引擎容量，已行驶的公里数进行log transformation。
划分训练集和测试集
75% training data, 25 test data. RMSE作为衡量模型精度的标准。
建模
10 folds Validation when training models to choose best model tuning parameters .
1. Linear Regression with mixing Lasso & Ridge Penalty:
包含三种模型的混合预测。
Best tune: Alpha 0.25, lambda .053. RMSE 5.332
1. Support Vector Machines with Radial Basis Function Kernel
随时关注您喜欢的主题
Best tune: Cost(M) = 10.
1. Random Forests:
随着随机选定的因变量数量提高，10 folds Cross Validation所展示的拟合效果也有波折地逐渐提高。
1. Stochastic Gradient Boosting Machine
调整的参数为树深，树层数达到6时拟合效果最好。
模型优化
各个模型都进行了调参过程。主要依据为10 folds cross validation
结果
在此案例中，Stochastic Gradient Boosting Machine 所得到的RMSE值最小，预测效果最好。
预测结果仅作为参考一个权重值，还需要专家意见，按照一定的权重来计算。
以下为预测集和测试集的部分展示：
关于作者
Siming Yan
在此对Siming Yan对本文所作的贡献表示诚挚感谢，他专注数据采集，数据分析，机器学习领域。擅长R语言、Python、SQL、Tableau。
银行信贷风控专题：Python、R 语言机器学习数据挖掘应用实例合集：xgboost、决策树、随机森林、贝叶斯等
Python、R语言Lasso、Ridge岭回归、XGBoost分析Airbnb房屋数据：旅游市场差异、价格预测
深度神经网络DNN、RNN、RCNN及多种机器学习金融交易策略研究|附数据代码
Python、R用RFM模型、机器学习对在线教育用户行为可视化分析|附数据、代码
