首先附上我收集的2018年以来的广州车牌拍卖信息
指标数量 | 参与人数 | 第一次报价 | 第二次报价 | 上次最低价 | 上次平均价 | 上上次最低价 | 上上次平均价 | 本次最低价 | |
2020年1月 | 3634 | 11917 (数据缺失,取得是历史平均数) | 12181 | 12591 | 13800 | 15461 | 13200 | 15917 | 14800 |
2019年12月 | 7693 | 14725 | 12495 | 12861 | 13200 | 15917 | 10000 | 20306 | 13800 |
2019年11月 | 5701 | 11051 | 12500 | 12764 | 10000 | 20306 | 20200 | 24164 | 13200 |
2019年10月 | 9068 | 10356 | 17365 | 18134 | 20200 | 24164 | 21800 | 23779 | 10000 |
2019年9月 | 8165 | 15925 | 17891 | 18895 | 21800 | 23779 | 18800 | 22047 | 20200 |
2019年8月 | 6366 | 17220 | 17204 | 18056 | 18800 | 22047 | 14100 | 28966 | 21800 |
2019年7月 | 5422 | 13142 | 16082 | 16581 | 14100 | 28966 | 40000 | 42846 | 18800 |
2019年6月 | 5457 | 7932 | 21129 | 22641 | 40000 | 42846 | 38600 | 40395 | 14100 |
2019年5月 | 3618 | 9782 | 28637 | 30736 | 38600 | 40395 | 36000 | 37953 | 40000 |
2019年4月 | 3622 | 11794 | 26753 | 28709 | 36000 | 37953 | 33000 | 36240 | 38600 |
2019年3月 | 3635 | 12278 | 25493 | 27287 | 33000 | 36240 | 33900 | 39196 | 36000 |
2019年2月 | 3662 | 10935 | 23552 | 25352 | 33900 | 39196 | 37000 | 40985 | 33000 |
2019年1月 | 3657 | 12604 | 23772 | 25296 | 37000 | 40985 | 36800 | 39585 | 33900 |
2018年12月 | 3641 | 13169 | 24141 | 26066 | 36800 | 39585 | 33100 | 35434 | 37000 |
2018年11月 | 3632 | 14877 | 23546 | 25165 | 33100 | 35434 | 29700 | 32205 | 36800 |
2018年10月 | 3630 | 16330 | 21612 | 22974 | 29700 | 32205 | 25500 | 31654 | 33100 |
2018年9月 | 3695 | 15124 | 20202 | 21516 | 25500 | 31654 | 12100 | 56152 | 29700 |
2018年8月 | 4541 | 11522 | 19450 | 20181 | 12100 | 56152 | 52000 | 57283 | 25500 |
2018年7月 | 3600 | 6408 | 40251 | 43583 | 52000 | 57283 | 41300 | 44225 | 12100 |
2018年6月 | 3554 | 9275 | 34894 | 38147 | 41300 | 44225 | 32100 | 34455 | 52000 |
2018年5月 | 3538 | 12576 | 27014 | 29117 | 32100 | 34455 | 25300 | 26939 | 41300 |
2018年4月 | 3549 | 10708 | 22339 | 23941 | 25300 | 26939 | 22800 | 24560 | 32100 |
2018年3月 | 3547 | 10210 | 19367 | 20489 | 22800 | 24560 | 21000 | 25213 | 25300 |
2018年2月 | 3541 | 10102 | 18089 | 18934 | 21000 | 25213 | 18000 | 32312 | 22800 |
2018年1月 | 3687 | 7966 | 18405 | 19126 | 18000 | 32312 | 30700 | 34046 | 21000 |
使用语言: Python,请先pip install好pandas和sklearn。
1、import需要的包
import pandas as pd
from sklearn.svm import SVR
# 导入支持向量机
2、将上文的表格复制到excel里面,删除第一行表头,然后保存成csv,命名为data.csv保存在程序目录下。
3、读取csv并转为DataFrame
carPrice = []
with open('data.csv', 'r', encoding='utf-8') as f:
for line in f.readlines():
l = line.split(',')
carPrice.append({
'zbs': int(l[1]),
'bms': int(l[2]),
'fp': int(l[3]),
'sp': int(l[4]),
'nlp': int(l[5]),
'nap': int(l[6]),
'nnlp': int(l[7]),
'nnap': int(l[8]),
'lp': int(l[9])
})
df = pd.DataFrame(carPrice)
# 将数据转换成DataFrame,其实我觉得直接用pd.read_csv方法更快,这个程序从整理数据到写好也就用了几十分钟。
4、进行机器学习,输出结果,本次将通过2018-2019年的数据,以及公布的2020年1月车牌拍卖相关数据,预测2020年1月车牌拍卖最低价格。
X_train = df.drop(['lp'], axis=1)[1:]
# 训练数据集
y_train = df['lp'][1:]
# 训练结果集
X_test = df.drop(['lp'], axis=1)[:1]
# 测试数据集
clf = SVR(kernel='linear')
clf.fit(X_train, y_train)
preds = clf.predict(X_test)
print('预测结果是:',preds,'元')
5、输出结果
预测结果是: [17110.34942555] 元
Process finished with exit code 0
总结:2020年1月广州车牌拍卖,最低价格为14800元……跟预测结果还是有2千多块钱的差距的。主要原因还是样本数量太少了……