大数据实训报告-二手车保值率影响因素分析.pdf

西安汽车职业大学计算机工程学院

实训地点：知行楼409大数据技术实验室

实训名称：二手车保值率影响因素分析

实训日期：2024.11.23—2024.12.7

专业：大数据工程技术报告日期：2024.12.7

同组学生：

实训过程：

1.实训目的和要求

实验目的：

本课程旨在探讨二手车保值率和升功率的预测与价值分析，通过分析二手车市场发展现状

及存在的问题，另外又额外增加了升功率的一些考察从省油，环保层面考虑汽车的整体性能等

方面（Power-to-displacementratio）升功率是指发动机每单位排量所能产生的最大马力数，

通常以马力/升（hp/L或kW/L）为单位。这个指标是衡量发动机性能的一个重要参数，它反映

了发动机的设计效率和技术水平。通过保值率和升功率引导学习者构建完整的建模流程，从数

据收集到模型预测，最终探讨预测结果对消费者购车决策的影响。

实训要求：

(1)理解二手车市场的发展现状和存在的问题，包括市场成熟度、交易方式、价值损耗等方

面；

(2)掌握建模流程的关键步骤，包括数据收集、预处理、特征选择、模型构建等；

(3)使用回归算法进行模型建立，预测二手车的保值率；

(4)分析预测结果对消费者购车决策的影响，探讨如何优化二手车交易，提高车辆的保值

率，从而为消费者提供更有价值的购车选择。

(5)使用不同的回归方法，事实证明线性回归方法更加清晰。

西安汽车职业大学计算机工程学院

2.实训内容和基本理论

实训内容：

为了解各属性的数据特征，以及是否存在缺失值，我们首先对数据进行描述性统计分析；

接下来，导入数据集生成一个新的属性升功率，可视化各属性对二手车保值率和升功率的影

响；对数据进行拆分，在训练集上构建线性回归模型，根据训练集和测试机的R方和误差等标

准评估灰灰模型的准确性，并分析模型对消费者在购买二手车时能提供哪些意义。

基本理论：

1.回归算法：

(1)回归就是用属性的历史教据预测末来的趋势。回归首先假设一些已知类型的函数可以拟

合目标数据，然后利用某种误差分析确定一个与目标数据拟合程度最好的函数。回归模式的函

数定义与分类模型相似，主要差别在于分类模型采取离散预测值(例如类标号)，而回归模式采

取连续的预测值。

(2)回归算法在解决实际问题时经常会把数据拆分为两个数据集：训练数据集，测试数据

集。通过数据挖掘算法对训练数据集进行建模，寻找X和Y之间的数学模型，然后通过测试数

据集来验证该数学模型的准确率，如果误差能够达控制到-定精度，则认为该模型很好的反映了

X和Y的关系，可以用来进行预测和分析。

2.线性回归：

(1)基本概念

线性回归算法是一种很常用的回归算法。其主要思想是：首先假设线性函数可以拟合目标

数据，然后利用某种误差分析确定一个与目标数据拟合程度最好的函数，即完成了线性回归算

法。实际的挖掘过程中，许多问题可以用线性回归算法解决，许多非线性问题可以通过变量进

行变换，从而转换成线性回归问题来解决。

(2)算法优缺点

线性回归算在分析多个因素模型，更加简单方便。

线性回归适合分布式实现，能支持大数据量建模，以及支持名词型和数值型数据。

线性回归能通过正则化来降低过拟合的风险。

线性回归在变量是非线性关系的时候表现很差。

不够灵活以捕捉更复杂的模式,添加正确的交互或者使用多项式很困难并需要大是的时间。

西安汽车职业大学计算机工程学院

3.操作步骤

数据说明

步骤一：数据读取

本案例数据在mysql数据库中，所以在关系数据库中输入数据源二手车数据进行数据读取

并测试sql读取语句是否成功。

步骤二：描述性分析

找出数据的内在规律，查看是否存在缺失