ПЕРЕДБАЧЕННЯ ЦІНИ АВТОМОБІЛЯ МЕТОДАМИ МАШИННОГО НАВЧАННЯ
DOI:
https://doi.org/10.31891/2307-5732-2023-321-3-83-86Ключові слова:
передбачення ціни автомобіля, машинне навчання, попередня обробка, машинобудуванняАнотація
Розвиток сучасного машинобудування є наслідком швидкого зростання економіки в багатьох розвинутих країнах. Станом на сьогоднішній день, інтеграцію автомобілів у повсякденне життя складно заперечити. Логістика, громадський транспорт, особистий транспорт, сервіси доставки, таксопарки, оренда авто тощо. Відповідно, маючи таку гнучкість використання, з’являється і попит на дану продукцію. В свою чергу, виробники прагнуть отримати найбільшу кількість покупців, що призводить до утворення конкуренції на ринку. Як результат час, який витрачається на підбір бажаного авто, є суттєвим, і сам процес вивчення ринку і характеристик всіх авто не є доцільним для користувачів. Тому це дослідження буде спрямовано на спрощення цього процесу, шляхом використання методів машинного навчання, що дасть змогу швидше зорієнтуватись у цінах на ринку і швидше обирати бажане авто.
В роботі наведено результати досліджень методів машинного навчання щодо передбачення ціни автомобіля, попередньої обробки тренувальних даних; запропоновано власну реалізацію, яка базується на комбінуванні декількох моделей машинного навчання. За основу для досліджень були взяті дерева рішень і випадковий ліс, обговорено загальну концепцію їхньої роботи, переваги і недоліки, алгоритм їхньої побудови. Метою цієї статті є порівняльна характеристика застосованих моделей. Окремі моделі можуть прогнозувати результати з високою точністю: дерева рішень – 90% точність і випадковий ліс – 95%. Однак точність являється не єдиною метрикою оцінки ефективності роботи моделей. Впливовість MAE, RMSE є невід’ємними метриками для оптимальної роботи моделей. Згідно з результатами досліджень, значення обидвох метрик кращі у випадкового лісу, що доказує ефективність даного рішення. Однак результати можна покращити, використовуючи комбінований підхід. Стаття якраз і надаватиме відповідь на питання ефективності застосування комбінованих підходів.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2023 ВЛАДИСЛАВ ПАВЛІЧКО, НАТАЛІЯ МЕЛЬНИКОВА (Автор)

Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.