python二手车价格预测_天池_二手车交易价格预测数据分析

字典

FieldDescription

SaleID

交易ID，唯一编码

name

汽车交易名称，已脱敏

regDate

汽车注册日期，例如20160101，2016年01月01日

model

车型编码，已脱敏

brand

汽车品牌，已脱敏

bodyType

车身类型：豪华轿车：0，微型车：1，厢型车：2，大巴车：3，敞篷车：4，双门汽车：5，商务车：6，搅拌车：7

fuelType

燃油类型：汽油：0，柴油：1，液化石油气：2，天然气：3，混合动力：4，其他：5，电动：6

gearbox

变速箱：手动：0，自动：1

power

发动机功率：范围 [ 0, 600 ]

kilometer

汽车已行驶公里，单位万km

notRepairedDamage

汽车有尚未修复的损坏：是：0，否：1

regionCode

地区编码，已脱敏

seller

销售方：个体：0，非个体：1

offerType

报价类型：提供：0，请求：1

creatDate

汽车上线时间，即开始售卖时间

price

二手车交易价格(预测目标)

v系列特征

匿名特征，包含v0-14在内15个匿名特征

step1：导入模块

## 基础工具

importnumpy as npimportpandas as pdimportwarningsimportmatplotlibimportmatplotlib.pyplot as pltimportseaborn as snsfrom scipy.special importjnfrom IPython.display importdisplay, clear_outputimporttime

warnings.filterwarnings('ignore')%matplotlib inline## 模型预测的

from sklearn importlinear_modelfrom sklearn importpreprocessingfrom sklearn.svm importSVRfrom sklearn.ensemble importRandomForestRegressor,GradientBoostingRegressor## 数据降维处理的

from sklearn.decomposition importPCA,FastICA,FactorAnalysis,SparsePCAimportlightgbm as lgbimportxgboost as xgb## 参数搜索和评价的

from sklearn.model_selection importGridSearchCV,cross_val_score,StratifiedKFold,train_test_splitfrom sklearn.metrics import mean_squared_error, mean_absolute_error

step2：数据读取

#导入训练集和测试集

train_data =pd.read_csv('F:\\python\\天池_二手车交易价格预测\\used_car_train_20200313.csv',sep=' ')

test_da