基于不同机器学习方法的新能源车需求分析

Demand Analysis of Alternative Fuel Vehicle based on Different Machine Learning Methods

为确定新能源车的市场需求,估计新能源车在特定区域的市场占有率并构建未来市场占有率的预测模型。依据2017年全美国家庭出行调查所提供的新能源车用户详细信息,考虑了车辆相关、家庭相关和个人相关三组变量,进行了因素分析和预测模型的建立,研究了新能源车的购置行为。此外,考虑到新能源车用户仅占所有受访者的4.2%,因此采用非平衡数据集的处理方法,弥补了现有研究中该方面的空白。为更好地构建预测模型,对Logistic回归法(LR)、朴素贝叶斯算法(NB)、随机森林算法(RF)、支持向量机(SVM)和决策树(DT)等机器学习方法进行模型构建和比较,结果表明,随机森林算法(RF)具有最佳预测能力。