基于LightGBM的二手车价值评估的研究

李 钰，张蝶依

（1.河北地质大学信息工程学院，石家庄 050031；2.驻马店职业技术学院，驻马店 463000）

0 引言

据公安部统计，截至2021年6月全国机动车保有量达到3.84亿辆，机动车驾驶人却高达4.69亿人，且机动车驾驶人数还在不断增长，仅2021年上半年便新增领证驾驶人1390万人［1］。机动车保有量和驾驶人人数的巨大差异，使得国内汽车市场十分火热。但是由于芯片的短缺导致新车的供给下滑，使得更多的购车者把目光投入二手车市场，同时国家也大力支持二手车市场的发展。从2020年五月份起，二手车增值税从2%下降到0.5%［2］，使得二手车交易的税负成本降低；同时公安部等也先后取消二手车限迁政策，进一步增加了二手车市场的活力。

但是在二手车交易中，众多的二手车线上交易网站和线下机构对二手车的定价各不相同，给二手车的交易带来极大困难。针对二手车交易中中介平台等的肆意标价，需要从二手车本身的数据出发，对二手车进行精确的估价，从而保护消费者的合法权益。然而国内对于二手车价值评估模型的研究并不多，吕劲［3］提出了基于特征优化的SVM价格预测模型，利用GBDT模型对特征进行优化组合，再使用SVM模型进行预测。张远森［4］提出了基于神经网络的二手车价格评估模型，与多元线性回归模型做对比得到了小幅提升。上述两种模型的预测精度都不是非常理想。

综上，本文提出了一种基于LightGBM的二手车价值评估模型，通过特征优化选择出对二手车价格影响较大的特征，从而缩减了特征维度也使得模型对价值的评估更加精确。

1 相关方法

LightGBM［5］是微软提出的一种GBDT的高效实现框架，它解决了GBDT无法处理大规模数据的问题。LightGBM基本原理如下：

（1）初始化k棵决策树，将训练样本的权重设为1/k；

（2）训练子模型f（x）；

（3）决定该子模型的权重β；

（4）更新权重ε；

（5）得到最终的模型：

2 基于LightGBM的二手车价值评估模型

本文提出一种基于LightGBM的二手车价值评估模型，通过特征工程对原始数据进行处理，填补缺失值、删除异常值、构造对回归有益的新特征等，从而降低数据的不平衡性，使得数据更加符合待训练模型。

2.1 数据准备与特征工程

本文使用的数据来自天池河北高校邀请赛——二手车交易价格预测的数据集。其中训练集含有200000条数据，测试集含有50000条数据，每条数据包含SaleID、name、regDate等共31个特征字段，其中name、model、brand和regionCode等信息已进行脱敏。

表1 数据集字段表

数据集处理过程：

（1）统计各字段的缺失值，“bodyType”“fu⁃elType”“gearbox”三个字段有缺失值，对缺失值进行填充；

（2）统计各字段的值的分布情况，发现“seller”“offerType”两个字段倾斜严重，故删除；

（3）删除对回归无意义的字段“SaleID”；

（4）构造新特征“usedDate”，由于原数据中只有汽车注册日期和汽车售卖登记时间，两个时间单独对回归任务的意义不大，故构造更有意义的汽车使用时间作为新特征。

2.2 二手车价值评估算法流程

输入为训练集Train、测试数据集Test和LightGBM初始参数X；输出为Test的预测结果

步骤1：对数据进行特征工程，对进行特征工程之后的数据集进行聚类；

步骤2：将每一类拟合一个岭回归，并预测出每一个样本的价格，把聚类后预测价格作为新特征加入到LightGBM的特征中；

步骤3：使用LightGBM进行预测。

3 实验结果与分析

本文使用MAE作为评价指标，MAE定义如下：

本算法与传统二手车价格预测算法进行比较，结果如下：

通过表2，不难看出本文算法在二手车价格预测任务中取得最优结果，可以对二手车交易定价起到合理的建议作用。

表2 本算法与两种传统模型在MAE上的对比

4 结语

本文介绍了目前求解二手车估价存在的问题，构建了基于LightGBM的融合模型，通过与两种具有代表性的二手车价格预测模型进行比较，提升效果均超过10%。

本研究尚有不足之处，如二手车定价仅考虑到车辆本身因素，并没有结合当下政策以及买家信息，不能做到更加实时个性化的定价。但对于二手车价格预测任务仍具有一定借鉴价值。