<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Інформаційна технологія аналізу та передбачення цін на вживані автомобілі

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

В роботі проведено аналіз предметної області передбачення цін на вживані автомобілі, попередньо запропоновано ознаки, які мають вплив на ціноутворення вживаних автомобілів. Здійснено огляд аналогічних рішень, запропоновано алгоритм створення ІТ передбачення цін на вживані автомобілі, на основі якого проведено створення ІТ. Виконано вибір та опис набору даних, проведено попереднє очищення даних. Проведено розвідувальний аналіз даних, запропоновано правила фільтрації аномальних значень, обрано моделі машинного навчання, здійснено їх тренування та визначено оптимальну модель
The work analyzes the subject area of predicting prices for used cars and preliminarily proposes features that have an impact on the pricing of used cars. A review of similar solutions was carried out, an algorithm for creating IT for predicting prices for used cars was proposed, on the basis of which the IT was created. The data set is selected and described, and preliminary data cleaning is performed. An exploratory analysis of the data was carried out, rules for filtering anomalous values were proposed, machine learning models were selected, trained, and the optimal model was determined.

Опис

Тип документа

Мова

ISSN

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Гіжевський В. В., Жуков С. О. Інформаційна технологія аналізу та передбачення цін на вживані автомобілі // Матеріали LІII науково-технічної конференції підрозділів ВНТУ, Вінниця, 20-22 березня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2024/paper/view/19626.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (7)

  1. В. Б. Мокін, А. В. Лосенко, і М. В. Дратований, «ІНТЕЛЕКТУАЛЬНА ТЕХНОЛОГІЯ АНАЛІЗУ ТА ПЕРЕДБАЧЕННЯ ЦІН НА ВЖИВАНІ АВТОМОБІЛІ», Вісник ВПІ, вип. 6, с. 62–72, Груд. 2019.
  2. Used Cars Dataset. Kaggle. 2021 [Електронний ресурс]. – Режим доступу: https://www.kaggle.com/datasets/austinreese/craigslist-carstrucks-data
  3. The Python Data Science Handbook by Jake VanderPlas (O’Reilly). 2016 [Електронний ресурс] – Режим доступу: https://jakevdp.github.io/PythonDataScienceHandbook/
  4. Interpretation of Evaluation Metrics For Regression Analysis (MAE, MSE, RMSE, MAPE, R-Squared, And Adjusted RSquared). Medium. May 24, 2022 [Електронний ресурс]. – Режим доступу: https://medium.com/@ooemma83/interpretation-ofevaluation-metrics-for-regression-analysis-mae-mse-rmse-mape-r-squared-and-5693b61a9833
  5. LightGBM documentation. Microsoft Corporation. 2023 [Електронний ресурс]. – Режим доступу: https://lightgbm.readthedocs.io/en/stable/
  6. Used Car Price Prediction using Machine Learning. Piblished in Towards Data Science. Panwar Abhash Anil. Aug 3, 2020 [Електронний ресурс]. – Режим доступу: https://towardsdatascience.com/used-car-price-prediction-using-machine-learninge3be02d977b2
  7. Car prices prediction – EDA. Kaggle. Oct 26, 2019 [Електронний ресурс]. – Режим доступу: https://www.kaggle.com/code/kimyriel/car-prices-prediction-eda/notebook