[发明专利]一种基于XGBoost推荐算法的车辆销量预测方法

说明书

本发明公开了一种基于XGBoost推荐算法的车辆销量预测方法，首先，利用“0”值填充、均值填充、众数填充和XGBoost填充等实现对数据的精准填充；然后，基于填充好的数据，利用车辆产量和销量的滑窗技术，结合one_hot编码技术来进行车辆信息的特征值提取；最后，将提取的车辆信息特征输入到一种基于XGBoost算法的高精度车辆预测模型XFVS中，实现对车辆销量的精确预测。该方法依据车辆的历史销量数据，通过对缺失数据的填充和重要特征的提取，达到提高预测精度的目的。

技术领域

本发明属于销量预测技术领域，涉及一种车辆销量预测方法，具体涉及一种基于XGBoost推荐算法的车辆销量预测方法。

背景技术

精准的乘用车销量预测对乘用车企业和政府至关重要。对于乘用车企业，乘用车的研发和生产过程需要比较大的研发费用、时间成本和库存成本，乘用车企业如何利用消费者购买乘用车时，选购车辆所依据的车辆属性、销售价格、销售日期等销售数据进行精准的车辆销量预测，从而进行合理的生产计划制定，调整生产，控制成本，减少损失非常关键。对于政府部门，可以利用乘用车销量预测来把握乘用车市场的发展，监测产能，调整乘用车行业发展政策。鉴于精确的车辆销量预测广泛的应用前景和巨大的经济价值，近年来车辆销量预测已成为汽车生产企业、政府部门和学术研究者备受关注的前沿方向。

现有的车辆销量预测方法都是从国内生产总值、收入水平、可支配收入等经济指标来分析对车辆销量影响的因素，然后进行销量预测，但是没有从消费者的需求出发考虑品牌、车型、车型类别、排量、成交价格段、功率、燃料种类、车辆大小等车辆本身指标，造成车辆预测对经济单一指标依赖性太强，预测值波动过大和预测精度较低等，无法提高精确的车辆销量预测。

发明内容

为了解决上述技术问题，本发明提供了一种基于XGBoost推荐算法的车辆销量预测方法。

本发明所采用的技术方案是：一种基于XGBoost推荐算法的车辆销量预测方法，其特征在于，包括以下步骤：

步骤1：获取原始数据集；

步骤2：对原始数据集进行处理，包括均值填充、XGBoost填充和”0”值填充操作，最后输出完整的数据集；

步骤3：针对输出完整的数据集进行特征提取；

采用one_hot编码获取车辆的类别特征，采用生成唯一配置获取车辆基础特征，采用基于时序差分滑动窗口方法获取车辆的时序特征，形成特征集供模型训练和预测使用；

步骤4：根据具体需求提取出对应数据特征，将数据特征输入到线性回归模型、GBDT、XGBoost和LSTM神经网络模型中；并从这四个预测模型中，根据预测精度和性能选出最好的模型XGBoost预测算法作为高精度车辆销量预测模型；

步骤5：将提取到的特征数据X_t＝{X_t1，X_t2，X_t3，...，X_tT}输入到基于XGBoost模型中，实现对车辆销量的预测；

所述XGBoost模型为：

其中，是基于时间序列t的预测值，X_t＝{X_t1，X_t2，X_t3，...，X_tT}是提取到的基于时间序列的特征集合，ρ是模型的参数集合，Remp(f)是经验风险；

对于线性回归预测和非线性回归的预测函数f分别为：

F(x,ρ)＝ax+b (1)

F(x,ρ)＝(a.ψ(x))+b (2)