APP下载

基于机器学习方法的电动汽车价格预测

2020-12-23孙一飞夏帆唐晨添赵陆亮

绿色科技 2020年14期
关键词:精确度机器学习

孙一飞 夏帆 唐晨添 赵陆亮

摘要:运用多种机器学习方法对给定电动汽车数据建立了模型,对比发现了逻辑斯蒂回归模型的性能最好,精确度达97.33%,最终选择逻辑斯蒂回归模型用于对电动汽车的价格进行预测。

關键词:价格预测;机器学习;精确度

中图分类号:F426

文献标识码:A 文章编号:1674-9944(2020)14-0266-03

1 引言

1.1 研究意义

伴随着国家政策的实施和民众消费偏好的转变,电动汽车市场进入了蓬勃发展时期。但是在受到国家补贴促进作用的同时,电动汽车市场的发展对国家补贴政策的依赖性也逐渐加深。钟财富[1]发现由于补贴大幅度下降,2019年,电动汽车销售量10年来首次降低。以往较大力度的补贴政策,导致电动汽车的定价具有一定程度的不合理性,当补贴作用下降的时候,消费者会比以往更加关注电动汽车的价格。因此本文希望运用多种机器学习方法,通过对电动汽车数据建立模型,选取最有效的模型对电动汽车的价格进行预测,让企业更合理地定价,以促进电动汽车行业的发展。

1.2 文献综述

目前各种机器学习方法研究成果颇丰,Erhan Bergil等[2]使用KNN方法研究分析了6种不同手部运动的双通道肌电图记录,取得了不错的效果;黄莹,任伟[3]使用多分类逻辑斯蒂回归对允让构式进行分析,发现允让构式具有统计性先占特征;Mohammad Reza Pahlavan-Rad等[4]使用简单(多元线性回归)和复杂(随机森林)模型来联系协变量和渗透测量,发现随机森林预测根据视觉审查被判断为更接近现实;

2 研究内容与研究方法

登录APP查看全文

猜你喜欢

精确度机器学习
“硬核”定位系统入驻兖矿集团,精确度以厘米计算
放缩法在递推数列中的再探究
基于词典与机器学习的中文微博情感分析
基于网络搜索数据的平遥旅游客流量预测分析
前缀字母为特征在维吾尔语文本情感分类中的研究
基于支持向量机的金融数据分析研究