💡 作者：韩信子@ShowMeAI
📘 数据分析实战系列：https://www.showmeai.tech/tutorials/40
📘 机器学习实战系列：https://www.showmeai.tech/tutorials/41
📘 本文地址：https://www.showmeai.tech/article-detail/300
📢 声明：版权所有，转载请联系平台与作者并注明出处
📢 收藏ShowMeAI查看更多精彩内容
一份来自『RESEARCH AND MARKETS』的二手车报告预计，从 2022 年到 2030 年，全球二手车市场将以 6.1% 的复合年增长率增长，到 2030 年达到 2.67 万亿美元。人工智能技术的广泛使用增加了车主和买家之间的透明度，提升了购买体验，极大地推动了二手车市场的增长。
基于机器学习对二手车交易价格进行预估，这一技术已经在二手车交易平台中广泛使用。在本篇内容中，ShowMeAI 会完整构建用于二手车价格预估的模型，并部署成web应用。
💡 数据分析处理&特征工程
本案例涉及的数据集可以在 🏆 kaggle汽车价格预测 获取，也可以在ShowMeAI的百度网盘地址直接下载。
🏆 实战数据集下载（百度网盘）：公众号『ShowMeAI研究中心』回复『 实战』，或者点击 这里; 获取本文 [11] 构建AI模型并部署Web应用，预测二手车价格 『 CarPrice 二手车价格预测数据集』
⭐ ShowMeAI官方GitHub：https://github.com/ShowMeAI-Hub
① 数据探索
数据分析处理涉及的工具和技能，欢迎大家查阅ShowMeAI对应的教程和工具速查表，快学快用。
我们先加载数据并初步查看信息。
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import pickle
%matplotlib.inline
df=pd.read_csv('CarPrice_Assignment.csv')
df.head()
数据 Dataframe 的数据预览如下：
我们对属性字段做点分析，看看哪些字段与价格最相关，我们先计算相关性矩阵
df.corr()
再对相关性进行热力图可视化。
sns.set(rc={"figure.figsize":(20, 20)})
sns.heatmap(df.corr(), annot = True)
其中各字段和price的相关性如下图所示，我们可以看到其中有些字段和结果之间有非常强的相关性。
我们可以对数值型字段，分别和price目标字段进行绘图详细分析，如下：
for col in df.columns:
if df[col].dtypes != 'object':
sns.lmplot(data = df, x = col, y = 'price')
可视化结果图如下：
我们把一些与价格相关性低（r
Original: https://www.cnblogs.com/showmeai/p/16567652.html
Author: ShowMeAI
Title: 二手车价格预测 | 构建AI模型并部署Web应用 ⛵
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/612649/
转载文章受原作者版权保护。转载请注明原作者出处！