基于Stacking融合的电商平台二手车定价研究

摘要

为了解决二手车交易过程中定价混乱的问题,同时提高电商平台在二手车价值评估及定价业务上的科学性和精准性,笔者提出利用大量历史交易数据训练机器学习模型,以达到精确预测二手车最终交易价格的目的。模型构建中将Lasso回归、弹性网络、梯度提升回归、随机森林4种学习算法以Stacking策略进行集成,对二手车交易价格进行预测并评价预测效果。实验结果表明,相比预测性能最好的单一模型,Stacking融合模型的均方预测误差降低2.3%,说明所建立的Stacking融合模型在二手车定价预测中有着良好的效果和可解释性,可为二手车评估定价提供参考。