[發明專利]一種基于機器學習算法的二手車估值方法與系統

在審

• 申請號: 202010019353.1
• 申請日: 2020-01-08
• 公開（公告）號: CN111242680A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 李博;吳程錦;龍永超;張生
• 申請（專利權）人: 中聯財聯網科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N20/00
• 代理公司: 北京勁創知識產權代理事務所(普通合伙) 11589
• 代理人: 徐家升

1.一種基于機器學習算法的二手車估值方法，其特征在于,所述方法包括：

獲取用戶輸入的目標車輛的車型標識信息和狀態信息；

根據目標車輛信息獲取對應的估值模型；

將目標車輛信息輸入到估值模型，計算其估值價格。

2.如權利要求1所述的方法，其特征在于，所述車型標識信息和狀態信息包括：品牌、車系、車型、上牌時間、行駛里程、車況。

3.如權利要求1所述方法，其特征在于，所述獲取對應的估值模型包括：

根據目標車輛的車型標識信息確定目標車輛所屬車輛類型；

根據車輛類型選擇相同車輛類型的交易案例數據，并進行預處理和特征工程；

根據機器學習算法對處理后的樣本數據進行學習訓練，直至模型達到預設條件；

將學得模型進行持久化。

4.如權利要求1所述的方法，其特征在于，所述將目標車輛信息輸入到模型，計算估值價格包括：

將目標車輛信息進行預處理和特征工程，所述目標車輛信息包括車輛標識信息、狀態信息和配置信息；

將處理后的目標車輛信息代入模型進行估值計算。

5.如權利要求3所述的方法，其特征在于，所述根據車輛類型選擇訓練樣本數據，并進行預處理和特征工程包括：

根據車輛類型從案例數據庫中選擇交易案例數據作為訓練樣本數據；

對訓練樣本數據進行預處理；

對預處理后的訓練樣本進行特征工程。

6.如權利要求5所述方法，其特征在于，所述對訓練樣本數據預處理包括：

所述預處理過程包括對缺失值、異常值的剔除和替換；

對行駛里程、廠商指導價、成交價格等特征進行數據變換，所述數據變換包括伸縮變換、對數變換和標準化。

7.如權利要求5所述方法，其特征在于，所述對訓練樣本數據特征工程包括：

對行駛里程、上牌時間等特征進行特征構造，生成行駛里程成新率和車齡；

對氣缸數量、最大功率、車齡、過戶次數、車款年份等特征進行離散化處理；

對品牌、車系、氣缸數量、驅動方式、變速箱類型、進氣形式、最大功率、車齡、過戶次數、車款年份、車況等分類型特征進行One-Hot編碼。

8.如權利要求1-7任一所述方法，其特征在于，所述根據車輛信息確定車輛估值價格還包括：

向用戶終端發送估值價格和相同車輛類型的交易案例，所述估值結果用于指示用戶目標車輛的實際價值，所述交易案例用于為用戶提供交易案例參考。

9.一種基于機器學習算法的二手車估值系統，其特征在于，包括：

接收模塊，用于接收用戶終端發送的目標車輛的車型標識信息和狀態信息；

獲取模塊，用于根據目標車輛的標識信息獲取同類車輛類型的交易案例數據；

數據處理模塊，用于將案例數據進行處理以適合進行模型訓練；

模型訓練模塊，用于將處理好的案例數據作為訓練樣本，輸入到機器學習算法中進行學習訓練，獲取估值模型的參數信息；

模型持久化模塊，用于將學得模型參數信息保存下來，供方便調用估值模型；

估值輸出模塊，用于根據目標車輛信息，調用估值模型，計算目標車輛估值價格；

展示模塊，用于展示與目標車輛同款的二手車交易案例信息。