基于机器学习的新能源汽车残值评估方法

针对现有汽车残值评估方法信息使用较少、严重依赖人工检测、误差大和无法解决新能源汽车残值评估的问题,基于梯度提升回归树模型,使用行驶里程、使用时间、功率、过户次数等多维特征数据,训练模型对残值进行预测。从选取惩罚项、树的深度、基学习器类型以及提取特征重要性方面优化模型。最后,使用Stacking模型集成算法对二阶多项式、XGBoost、LightGBM模型进行集成。实验结果表明,使用Stacking集成后的模型可以根据当前车况数据自动计算残值,不需要人工检测,具有实时性,较其他方法有更高的准确度。