[發明專利]一種基于XGBoost推薦算法的車輛銷量預測方法

在審

• 申請號: 202010151726.0
• 申請日: 2020-03-06
• 公開（公告）號: CN111401941A
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 吳黎兵;夏振廠;樊浩南;吳煜;陳俊杰
• 申請（專利權）人: 武漢大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N20/20
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魏波

本發明公開了一種基于XGBoost推薦算法的車輛銷量預測方法，首先，利用“0”值填充、均值填充、眾數填充和XGBoost填充等實現對數據的精準填充；然后，基于填充好的數據，利用車輛產量和銷量的滑窗技術，結合one_hot編碼技術來進行車輛信息的特征值提取；最后，將提取的車輛信息特征輸入到一種基于XGBoost算法的高精度車輛預測模型XFVS中，實現對車輛銷量的精確預測。該方法依據車輛的歷史銷量數據，通過對缺失數據的填充和重要特征的提取，達到提高預測精度的目的。

技術領域

本發明屬于銷量預測技術領域，涉及一種車輛銷量預測方法，具體涉及一種基于XGBoost推薦算法的車輛銷量預測方法。

背景技術

精準的乘用車銷量預測對乘用車企業和政府至關重要。對于乘用車企業，乘用車的研發和生產過程需要比較大的研發費用、時間成本和庫存成本，乘用車企業如何利用消費者購買乘用車時，選購車輛所依據的車輛屬性、銷售價格、銷售日期等銷售數據進行精準的車輛銷量預測，從而進行合理的生產計劃制定，調整生產，控制成本，減少損失非常關鍵。對于政府部門，可以利用乘用車銷量預測來把握乘用車市場的發展，監測產能，調整乘用車行業發展政策。鑒于精確的車輛銷量預測廣泛的應用前景和巨大的經濟價值，近年來車輛銷量預測已成為汽車生產企業、政府部門和學術研究者備受關注的前沿方向。

現有的車輛銷量預測方法都是從國內生產總值、收入水平、可支配收入等經濟指標來分析對車輛銷量影響的因素，然后進行銷量預測，但是沒有從消費者的需求出發考慮品牌、車型、車型類別、排量、成交價格段、功率、燃料種類、車輛大小等車輛本身指標，造成車輛預測對經濟單一指標依賴性太強，預測值波動過大和預測精度較低等，無法提高精確的車輛銷量預測。

發明內容

為了解決上述技術問題，本發明提供了一種基于XGBoost推薦算法的車輛銷量預測方法。

本發明所采用的技術方案是：一種基于XGBoost推薦算法的車輛銷量預測方法，其特征在于，包括以下步驟：

步驟1：獲取原始數據集；

步驟2：對原始數據集進行處理，包括均值填充、XGBoost填充和”0”值填充操作，最后輸出完整的數據集；

步驟3：針對輸出完整的數據集進行特征提取；

采用one_hot編碼獲取車輛的類別特征，采用生成唯一配置獲取車輛基礎特征，采用基于時序差分滑動窗口方法獲取車輛的時序特征，形成特征集供模型訓練和預測使用；

步驟4：根據具體需求提取出對應數據特征，將數據特征輸入到線性回歸模型、GBDT、XGBoost和LSTM神經網絡模型中；并從這四個預測模型中，根據預測精度和性能選出最好的模型XGBoost預測算法作為高精度車輛銷量預測模型；

步驟5：將提取到的特征數據X_t＝{X_t1，X_t2，X_t3，...，X_tT}輸入到基于XGBoost模型中，實現對車輛銷量的預測；

所述XGBoost模型為：

其中，是基于時間序列t的預測值，X_t＝{X_t1，X_t2，X_t3，...，X_tT}是提取到的基于時間序列的特征集合，ρ是模型的參數集合，Remp(f)是經驗風險；

對于線性回歸預測和非線性回歸的預測函數f分別為：

F(x,ρ)＝ax+b (1)

F(x,ρ)＝(a.ψ(x))+b (2)