基于集成学习的二手车保值率估计方法

现有的二手车保值率估计方法高度依赖人工评估判断,主观性强;研究特征不全面,样本量不充足,难以充分挖掘汽车残值影响因素。本文运用集成学习LightGBM、随机森林模型,利用大量二手车样本的四十余个维度特征进行建模分析,实验证明,集成学习能够根据车况综合数据自动计算保值率,而LightGBM在处理多分类变量数据时,较随机森林方法有更高的准确性。