基于Stacking融合的二手车价格预测模型研究

刘 英翔
云南工商学院

摘要


本文提出一种基于Stacking模型融合的二手车价格预测方法，以解决传统单一模型预测精度有限的问题。
研究首先对二手车交易数据进行系统清洗、异常值处理与特征构造，完成高质量特征工程；随后，构建一个两层
Stacking集成框架：以随机森林、梯度提升决策树和LightGBM作为基学习器，并使用线性回归（LR）作为元学习器
进行结果融合。实验表明，该融合模型在测试集上表现显著优于各单一模型，其均方根误差（RMSE）平均降低约
14%，决定系数（R2
）达到0.93以上，证明了Stacking集成策略在提升预测精度与稳定性方面的有效性。本研究为二
手车市场提供了一种高精度、可解释的价格评估工具，具有实际应用价值。

关键词


价格预测；特征工程；随机森林；线性回归

全文:

PDF


参考


[1]文磊.二手车消费者购买意愿的影响因素研究[J].

价值工程，2020-05-28

[2]时丕显.基于数据挖掘对二手车进行评估与预测

[J].苏州大学，2024.04.07

[3]业文，王旭琴.基于回归分析的车辆数据增长与

预测模型研究[D].贵州大学，2015.05.03

[4]胡诣文，张旭等.基于机器学习的二手车价格预

测算法研究[J].计算机应用，2022.10.15

[5]任晟岐.基于深度学习的金融产品交易趋势分析

[D].郑州大学，2023-05-01

[6]杨维纳，姜军霞.二手车交易系统中数据


Refbacks

  • 当前没有refback。