Smart Car Pricing Prediction Engine

تنظيف الأنابيب - خطوة بخطوة

1. حذف الصفوف التي لا تحتوي على بيانات تعريفية

Makeيتم حذف الصفوف التي تحتوي على بيانات مفقودة Model، لأنه لا يمكن تحليل المركبة بشكل موثوق بدون تحديد هويتها. Trimكما يتم حذف العمود غير المستخدم.

2. إصلاحات يدوية للحالات الشاذة المعروفة

يتم ملء قائمة مختصرة من تركيبات محددة من الماركة/الطراز ذات شكل هيكل معروف وغير غامض مباشرة قبل خطوة الاستعادة العامة.

3. استعادة بيانات الهيكل وناقل الحركة من نص النموذج

تُستخدم قواعد البحث عن السلاسل الفرعية لاسم النموذج لاستعادة القيم المفقودة Body. Transmissionويتم الاحتفاظ بالقيم غير الفارغة الموجودة. VINثم تُحذف الصفوف المتبقية التي لا تحتوي على قيمة.

4. توحيد النص وملء الفراغات الرقمية/الفئوية

Makeوتُكتب الأحرف صغيرةً Modelوتُحذف. وتُملأ القيم الوسيطة للمجموعات (الشركة المصنعة + الطراز، مع خيارات بديلة أوسع). وتستخدم القيمة الأكثر شيوعًا ضمن الشركة المصنعة + الطراز.ConditionValueOdometerMMRSellingPriceColorInterior

5. املأ الفراغات المتبقية في هيكل السيارة وناقل الحركة

إذا كان حقل Body"أو" Transmissionلا يزال مفقودًا بعد البحث عن نص النموذج، فسيتم ملء القيمة باستخدام القيمة الأكثر شيوعًا لهذا النوع، مع اعتبار الوضع العام هو الخيار الاحتياطي النهائي.

6. توحيد تصنيفات الجسم

يتم تجريد قيم الجسم وتوحيدها إلى حالة العنوان، مع Suvتوحيدها بحيث SUVلا يتم تقسيم الفئات المتكافئة عبر المخططات أو ميزات النموذج.

7. تحليل بيانات تاريخ البيع وخصائص الوقت الهندسية

SaleDateSaleYearيتم تحويلها إلى تاريخ ووقت . تُملأ التواريخ المفقودة بالتاريخ الأكثر شيوعًا للعلامة التجارية والطراز، ثم الطراز العام إذا لزم الأمر. ويتم SaleMonthاشتقاقها .car_ageSaleYear − Year

هندسة الميزات لنموذج التعلم الآلي

بمجرد تنظيف البيانات، تقوم عملية ثانية (انظر صفحة نماذج التعلم الآلي ) بإعدادها للانحدار:

ترميز أحادي ساخن — Make, Body, Transmission, State, Color, Interior (تم حذف الفئة الأولى لتجنب التكرار).

ترميز التصنيفات — Modelو Seller(عدد كبير جدًا من الفئات بالنسبة للترميز الأحادي الساخن).

التحويل اللوغاريتميSellingPrice — يتم تصميم الهدف log(SellingPrice)لترويض توزيعه المائل لليمين؛ يتم تصميم MMR_logالميزة ( log(MMR / average MMR for that model)) بنفس الطريقة.

التحجيم القوي - يتم تحجيم جميع الأعمدة الرقمية المتبقية غير الثنائية باستخدام RobustScaler(الوسيط/المدى الربيعي، أقل حساسية للقيم المتطرفة من التحجيم القياسي).