基于LightGBM的二手車價(jià)值評(píng)估的研究

李 鈺，張蝶依

（1.河北地質(zhì)大學(xué)信息工程學(xué)院，石家莊 050031；2.駐馬店職業(yè)技術(shù)學(xué)院，駐馬店 463000）

0 引言

據(jù)公安部統(tǒng)計(jì)，截至2021年6月全國(guó)機(jī)動(dòng)車保有量達(dá)到3.84億輛，機(jī)動(dòng)車駕駛?cè)藚s高達(dá)4.69億人，且機(jī)動(dòng)車駕駛?cè)藬?shù)還在不斷增長(zhǎng)，僅2021年上半年便新增領(lǐng)證駕駛?cè)?390萬(wàn)人［1］。機(jī)動(dòng)車保有量和駕駛?cè)巳藬?shù)的巨大差異，使得國(guó)內(nèi)汽車市場(chǎng)十分火熱。但是由于芯片的短缺導(dǎo)致新車的供給下滑，使得更多的購(gòu)車者把目光投入二手車市場(chǎng)，同時(shí)國(guó)家也大力支持二手車市場(chǎng)的發(fā)展。從2020年五月份起，二手車增值稅從2%下降到0.5%［2］，使得二手車交易的稅負(fù)成本降低；同時(shí)公安部等也先后取消二手車限遷政策，進(jìn)一步增加了二手車市場(chǎng)的活力。

但是在二手車交易中，眾多的二手車線上交易網(wǎng)站和線下機(jī)構(gòu)對(duì)二手車的定價(jià)各不相同，給二手車的交易帶來(lái)極大困難。針對(duì)二手車交易中中介平臺(tái)等的肆意標(biāo)價(jià)，需要從二手車本身的數(shù)據(jù)出發(fā)，對(duì)二手車進(jìn)行精確的估價(jià)，從而保護(hù)消費(fèi)者的合法權(quán)益。然而國(guó)內(nèi)對(duì)于二手車價(jià)值評(píng)估模型的研究并不多，呂勁［3］提出了基于特征優(yōu)化的SVM價(jià)格預(yù)測(cè)模型，利用GBDT模型對(duì)特征進(jìn)行優(yōu)化組合，再使用SVM模型進(jìn)行預(yù)測(cè)。張遠(yuǎn)森［4］提出了基于神經(jīng)網(wǎng)絡(luò)的二手車價(jià)格評(píng)估模型，與多元線性回歸模型做對(duì)比得到了小幅提升。上述兩種模型的預(yù)測(cè)精度都不是非常理想。

綜上，本文提出了一種基于LightGBM的二手車價(jià)值評(píng)估模型，通過(guò)特征優(yōu)化選擇出對(duì)二手車價(jià)格影響較大的特征，從而縮減了特征維度也使得模型對(duì)價(jià)值的評(píng)估更加精確。

1 相關(guān)方法

LightGBM［5］是微軟提出的一種GBDT的高效實(shí)現(xiàn)框架，它解決了GBDT無(wú)法處理大規(guī)模數(shù)據(jù)的問題。LightGBM基本原理如下：

（1）初始化k棵決策樹，將訓(xùn)練樣本的權(quán)重設(shè)為1/k；

（2）訓(xùn)練子模型f（x）；

（3）決定該子模型的權(quán)重β；

（4）更新權(quán)重ε；

（5）得到最終的模型：

2 基于LightGBM的二手車價(jià)值評(píng)估模型

本文提出一種基于LightGBM的二手車價(jià)值評(píng)估模型，通過(guò)特征工程對(duì)原始數(shù)據(jù)進(jìn)行處理，填補(bǔ)缺失值、刪除異常值、構(gòu)造對(duì)回歸有益的新特征等，從而降低數(shù)據(jù)的不平衡性，使得數(shù)據(jù)更加符合待訓(xùn)練模型。

2.1 數(shù)據(jù)準(zhǔn)備與特征工程

本文使用的數(shù)據(jù)來(lái)自天池河北高校邀請(qǐng)賽——二手車交易價(jià)格預(yù)測(cè)的數(shù)據(jù)集。其中訓(xùn)練集含有200000條數(shù)據(jù)，測(cè)試集含有50000條數(shù)據(jù)，每條數(shù)據(jù)包含SaleID、name、regDate等共31個(gè)特征字段，其中name、model、brand和regionCode等信息已進(jìn)行脫敏。

表1 數(shù)據(jù)集字段表

數(shù)據(jù)集處理過(guò)程：

（1）統(tǒng)計(jì)各字段的缺失值，“bodyType”“fu?elType”“gearbox”三個(gè)字段有缺失值，對(duì)缺失值進(jìn)行填充；

（2）統(tǒng)計(jì)各字段的值的分布情況，發(fā)現(xiàn)“seller”“offerType”兩個(gè)字段傾斜嚴(yán)重，故刪除；

（3）刪除對(duì)回歸無(wú)意義的字段“SaleID”；

（4）構(gòu)造新特征“usedDate”，由于原數(shù)據(jù)中只有汽車注冊(cè)日期和汽車售賣登記時(shí)間，兩個(gè)時(shí)間單獨(dú)對(duì)回歸任務(wù)的意義不大，故構(gòu)造更有意義的汽車使用時(shí)間作為新特征。

2.2 二手車價(jià)值評(píng)估算法流程

輸入為訓(xùn)練集Train、測(cè)試數(shù)據(jù)集Test和LightGBM初始參數(shù)X；輸出為Test的預(yù)測(cè)結(jié)果

步驟1：對(duì)數(shù)據(jù)進(jìn)行特征工程，對(duì)進(jìn)行特征工程之后的數(shù)據(jù)集進(jìn)行聚類；

步驟2：將每一類擬合一個(gè)嶺回歸，并預(yù)測(cè)出每一個(gè)樣本的價(jià)格，把聚類后預(yù)測(cè)價(jià)格作為新特征加入到LightGBM的特征中；

步驟3：使用LightGBM進(jìn)行預(yù)測(cè)。

3 實(shí)驗(yàn)結(jié)果與分析

本文使用MAE作為評(píng)價(jià)指標(biāo)，MAE定義如下：

本算法與傳統(tǒng)二手車價(jià)格預(yù)測(cè)算法進(jìn)行比較，結(jié)果如下：

通過(guò)表2，不難看出本文算法在二手車價(jià)格預(yù)測(cè)任務(wù)中取得最優(yōu)結(jié)果，可以對(duì)二手車交易定價(jià)起到合理的建議作用。

表2 本算法與兩種傳統(tǒng)模型在MAE上的對(duì)比

4 結(jié)語(yǔ)

本文介紹了目前求解二手車估價(jià)存在的問題，構(gòu)建了基于LightGBM的融合模型，通過(guò)與兩種具有代表性的二手車價(jià)格預(yù)測(cè)模型進(jìn)行比較，提升效果均超過(guò)10%。

本研究尚有不足之處，如二手車定價(jià)僅考慮到車輛本身因素，并沒有結(jié)合當(dāng)下政策以及買家信息，不能做到更加實(shí)時(shí)個(gè)性化的定價(jià)。但對(duì)于二手車價(jià)格預(yù)測(cè)任務(wù)仍具有一定借鑒價(jià)值。