摘 要：近來(lái)年我國(guó)二手車市場(chǎng)發(fā)展迅速，但市場(chǎng)不夠規(guī)范，主要依靠人為判斷，評(píng)估不客觀，甚至在鑒定評(píng)估過(guò)程中，有故意隱瞞車輛質(zhì)量問(wèn)題、以次充好等欺騙消費(fèi)者現(xiàn)象，給二手車市場(chǎng)造成不良影響。本文利用數(shù)據(jù)挖掘技術(shù)中的決策樹(shù)、logistic回歸和神經(jīng)網(wǎng)絡(luò)對(duì)205個(gè)二手車數(shù)據(jù)進(jìn)行分析，利用相關(guān)數(shù)據(jù)資料分別建立不同的二手車性能評(píng)估模型，實(shí)現(xiàn)了對(duì)二手車性能的多種復(fù)雜混合因素一定程度上的定量分析。

關(guān)鍵詞：二手車性能評(píng)估；數(shù)據(jù)挖掘；決策樹(shù)；logisticl回歸；神經(jīng)網(wǎng)絡(luò)

一、二手車評(píng)估的現(xiàn)狀和發(fā)展

雖然2011年的二手車銷量為433萬(wàn)輛，是2000年25萬(wàn)的16.3倍。但是還不到新車銷量的1/4，這說(shuō)明我國(guó)二手車市場(chǎng)還存在很大的發(fā)展空間。而鑒定評(píng)估缺乏科學(xué)統(tǒng)一的標(biāo)準(zhǔn)，對(duì)二手車市場(chǎng)的發(fā)展都有較大影響。與傳統(tǒng)主觀簡(jiǎn)單的評(píng)估方法相比，評(píng)估模型優(yōu)勢(shì)明顯。在數(shù)據(jù)挖掘技術(shù)中主要的預(yù)測(cè)模型有決策樹(shù)、Logistic回歸和神經(jīng)網(wǎng)絡(luò)三種。決策樹(shù)模型是一個(gè)逐層分隔的形式，而Logistic回歸屬于廣義線性模型，神經(jīng)網(wǎng)絡(luò)模型提供了一個(gè)靈活的擬合形式。

二、二手車性能評(píng)估模型的構(gòu)建

1.數(shù)據(jù)預(yù)處理、數(shù)據(jù)探索與數(shù)據(jù)清理

數(shù)據(jù)挖掘技術(shù)對(duì)數(shù)據(jù)有一定要求，所以要先進(jìn)行不完整數(shù)據(jù)、噪音數(shù)據(jù)、不一致數(shù)據(jù)的預(yù)處理。主要有數(shù)據(jù)清洗、數(shù)據(jù)集成與轉(zhuǎn)換、數(shù)據(jù)約減等三個(gè)過(guò)程。本文所用205個(gè)實(shí)驗(yàn)數(shù)據(jù)、包含11個(gè)變量，數(shù)據(jù)量較少。

表 原始實(shí)驗(yàn)數(shù)據(jù)屬性

下面對(duì)表中各變量進(jìn)行分析處理：

（1）數(shù)據(jù)特征探索：利用insight節(jié)點(diǎn)，對(duì)各變量及目標(biāo)變量進(jìn)行可視化分析，探索各變量的關(guān)系、含義和特點(diǎn)，為建模做準(zhǔn)備。發(fā)現(xiàn)各變量缺失比例在2%以下，因此缺失變量可以忽視；（2）設(shè)定目標(biāo)變量。建立target，當(dāng)Performance Cost等于1時(shí)表示這是一個(gè)性能高的二手車；Performance Cost等于0時(shí)表示該二手車的性能比較低。建模的目標(biāo)就是要從數(shù)據(jù)中挖掘出性能高與低的二手車的不同特征，在模型審批過(guò)程中能自動(dòng)將二者區(qū)分開(kāi)來(lái)；（3）變量price與Performance Cost高度線性相關(guān)，因此rejected。highway mpg與city mpg高度相關(guān)，重復(fù)了，因此拒絕其中一個(gè)，本模型是拒絕的highway mpg；（4）觀察目標(biāo)變量的分布，可以看到性能高的二手車與性能低的二手車的比例分別為62%與38%。因此在數(shù)據(jù)分區(qū)的時(shí)候選擇用分層抽樣；（5）分層抽樣。訓(xùn)練集與驗(yàn)證集的比例分別為60%，40%；（6）數(shù)據(jù)的轉(zhuǎn)換。通過(guò)觀察數(shù)據(jù)的分布可以看到engine size，Compression ratio，horsepower，price變量不是類似于正態(tài)分布的，因此對(duì)其進(jìn)行正態(tài)化處理；（7）雖然缺失數(shù)據(jù)比例很小，但是為了建模的嚴(yán)謹(jǐn)，還是添加了replacement節(jié)點(diǎn)，用決策樹(shù)方法對(duì)缺失的數(shù)據(jù)進(jìn)行處理。

2.模型的建立

（1）決策樹(shù)

因?yàn)闆Q策樹(shù)本身具有處理缺失值的能力，可直接將未經(jīng)過(guò)缺失數(shù)據(jù)替換的原始數(shù)據(jù)作為輸入數(shù)據(jù)。本文采用熵不純性的降低作為節(jié)點(diǎn)劃分標(biāo)準(zhǔn)，采用二叉樹(shù)進(jìn)行建模，設(shè)置樹(shù)：j最大深度為6，最小葉子觀測(cè)數(shù)為5。從模型輸出結(jié)果得，SAS自動(dòng)設(shè)置的模型中當(dāng)生成有6個(gè)葉子節(jié)點(diǎn)的決策樹(shù)時(shí)，訓(xùn)練樣本集細(xì)分誤分率為9.09%，檢驗(yàn)樣本集細(xì)分誤分率為7.14%。

決策樹(shù)模型的綜合評(píng)價(jià)：輸出結(jié)果得出在“性能高的二手車”歷史記錄中有87.5%的預(yù)測(cè)值為“性能高的二手車”。在“性能高的二手車”紀(jì)錄中有12.5%的預(yù)測(cè)值為“性能低的二手車”。模型將3.846%的“性能低的二手車”預(yù)測(cè)為“性能高的二手車”；將歷史紀(jì)錄中96.154%的“性能低的二手車”預(yù)測(cè)為“性能低的二手車”。由評(píng)價(jià)結(jié)果可知，該決策樹(shù)對(duì)性能低的二手車的正確判斷率達(dá)了96.154%的較高水平，而對(duì)性能高的二手車的正確判斷率也達(dá)到了87.5%，該決策樹(shù)對(duì)性能低的二手車的預(yù)測(cè)準(zhǔn)確率更理想。

（2）logistic回歸建模

借助回歸節(jié)點(diǎn)建立模型，采用logistic回歸方法，回歸方式設(shè)置為backward，input coding選擇GLM。從模型輸出結(jié)果圖得出，誤分率標(biāo)準(zhǔn)表明，訓(xùn)練樣本集誤分率為9.92%，檢驗(yàn)樣本集誤分率為11.9%。

Logistic模型的預(yù)測(cè)準(zhǔn)確率：模型將84.375%的“性能好的二手車”預(yù)測(cè)為“性能好的二手車”，將15.625%的“性能好的二手車”預(yù)測(cè)為“性能差的二手車”。有90.385%的“性能差的二手車”被預(yù)測(cè)為“性能差的二手車”，剩下9.615%的“性能差的二手車”被預(yù)測(cè)為“性能好的二手車”?？梢?jiàn)回歸模型對(duì)性能好的二手車預(yù)測(cè)的準(zhǔn)確率沒(méi)有決策樹(shù)模型高。

（3）神經(jīng)網(wǎng)絡(luò)建模

神經(jīng)網(wǎng)絡(luò)建模：借助神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)建立模型，網(wǎng)絡(luò)采用輸入、隱層、輸出三層結(jié)構(gòu)，其中隱層節(jié)點(diǎn)設(shè)置3個(gè)變量，其他設(shè)置采用軟件默認(rèn)設(shè)置。從模型輸出結(jié)果圖可以看出各種模型評(píng)價(jià)標(biāo)準(zhǔn)，其中誤分率標(biāo)準(zhǔn)表明，訓(xùn)練樣本集細(xì)分誤分率為7.43%，檢驗(yàn)樣本集細(xì)分誤分率為8.33%。從訓(xùn)練過(guò)程得知訓(xùn)練誤差隨訓(xùn)練次數(shù)單調(diào)減少。選擇最佳的訓(xùn)練次數(shù)為7，此時(shí)的驗(yàn)證誤差最小。

神經(jīng)網(wǎng)絡(luò)模型的預(yù)側(cè)準(zhǔn)確率：模型將87.5%的“性能好的二手車”預(yù)測(cè)為“性能好的二手車”，將12.5%的“性能好的二手車”預(yù)測(cè)為“性能差的二手車”。有94.23%的“性能差的二手車”被預(yù)測(cè)為“性能差的二手車”，剩下5.77%的“性能差的二手車”被預(yù)測(cè)為“性能好的二手車”?；貧w模型一樣，對(duì)性能差的二手車的預(yù)測(cè)的準(zhǔn)確率比對(duì)性能好的二手車的預(yù)測(cè)的準(zhǔn)確率高。

3.模型的比較評(píng)估

由于數(shù)據(jù)挖掘模型有時(shí)會(huì)造成過(guò)度擬合，所以要對(duì)模型的正確性進(jìn)行判斷，保證預(yù)測(cè)可靠。在選擇解釋變量的時(shí)候，注重的是它們解釋目標(biāo)變量的能力。但是當(dāng)有很多的解釋變量時(shí)，并不能斷定出總體的性質(zhì)。因此有必要對(duì)于模型的有效性進(jìn)行評(píng)估，以保證模型的可靠穩(wěn)健。本文所用數(shù)據(jù)只有205條，在分拆后建模難度增大，訓(xùn)練，驗(yàn)證兩部分結(jié)果有一定差距。盡管如此，我們?nèi)钥梢詮膶?shí)驗(yàn)的結(jié)果中獲得一些有意義的結(jié)論。

決策樹(shù)，logistic回歸，神經(jīng)網(wǎng)絡(luò)模型的比較：不同模型在不同數(shù)據(jù)集上的誤差率比較和lift圖

綜合訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集的結(jié)果，對(duì)三個(gè)模型進(jìn)行比較評(píng)價(jià)。從誤差率基于數(shù)據(jù)挖掘技術(shù)的二手車性能評(píng)估研究的比較表中可以看出，決策樹(shù)模型和神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確率最高。神經(jīng)網(wǎng)絡(luò)在訓(xùn)練集上誤分率低，但在驗(yàn)證集上誤分率增大比較多，有“過(guò)擬合”的現(xiàn)象。從lift圖上來(lái)看，幾個(gè)模型的效果都比較好。綜合來(lái)看，選擇決策樹(shù)模型。

最后得到的規(guī)則是：

性能好的二手車：

（1）horsepower>=94.5 &engine size>=158.5

（2）horsepower>=94.5 &enginesize<158.5 &fuelsystem=mpf

i&city mpg<22

（3）horsepower>=94.5 &engine size<158.5&fuel system=mp

fi &city mpg>=22 &Compression ratio>=9.45

然而以上都不是最好的評(píng)價(jià)標(biāo)準(zhǔn)，原因是沒(méi)有考慮到類型I錯(cuò)誤和類型II錯(cuò)誤的代價(jià)不同。如果兩者代價(jià)相同，則考慮誤分率是最佳的標(biāo)準(zhǔn)，但現(xiàn)實(shí)中往往不是如此。

三、總結(jié)

二手車模型評(píng)估應(yīng)建立在大量數(shù)據(jù)的統(tǒng)計(jì)結(jié)果之上，才具有準(zhǔn)確性和可靠性。它通過(guò)賣家填寫的有關(guān)二手車的資料，可以快速、有效地辨別和劃分二手策劃的優(yōu)劣，實(shí)現(xiàn)二手車較為公平的交易。另外，通過(guò)數(shù)據(jù)挖掘發(fā)現(xiàn)的一些新模式，可以進(jìn)一步調(diào)整客戶二手車模型評(píng)估體系，從而為將來(lái)完善二手車模型評(píng)估體系起著重要作用。隨著我國(guó)二手車各項(xiàng)制度的建立、相應(yīng)法律環(huán)境的完善、信息化建設(shè)的發(fā)展、信息資源共享的實(shí)現(xiàn)，數(shù)據(jù)挖掘技術(shù)將成為二手車交易管理的重要工具。

參考文獻(xiàn)：

[1]張輝，鄭安文.中國(guó)二手車市場(chǎng)現(xiàn)狀分析及發(fā)展對(duì)策[J].汽車工業(yè)研究，2012（7）：10-13.

[2]孟生旺.神經(jīng)網(wǎng)絡(luò)模型與車險(xiǎn)索賠頻率預(yù)測(cè)[J].統(tǒng)計(jì)研究，2012（3）： 22-26.

作者簡(jiǎn)介：曹靜嫻，女，于2010年9月至2014年7月就讀于西南財(cái)經(jīng)大學(xué)經(jīng)濟(jì)信息工程學(xué)院

摘 要：近來(lái)年我國(guó)二手車市場(chǎng)發(fā)展迅速，但市場(chǎng)不夠規(guī)范，主要依靠人為判斷，評(píng)估不客觀，甚至在鑒定評(píng)估過(guò)程中，有故意隱瞞車輛質(zhì)量問(wèn)題、以次充好等欺騙消費(fèi)者現(xiàn)象，給二手車市場(chǎng)造成不良影響。本文利用數(shù)據(jù)挖掘技術(shù)中的決策樹(shù)、logistic回歸和神經(jīng)網(wǎng)絡(luò)對(duì)205個(gè)二手車數(shù)據(jù)進(jìn)行分析，利用相關(guān)數(shù)據(jù)資料分別建立不同的二手車性能評(píng)估模型，實(shí)現(xiàn)了對(duì)二手車性能的多種復(fù)雜混合因素一定程度上的定量分析。

關(guān)鍵詞：二手車性能評(píng)估；數(shù)據(jù)挖掘；決策樹(shù)；logisticl回歸；神經(jīng)網(wǎng)絡(luò)

一、二手車評(píng)估的現(xiàn)狀和發(fā)展

雖然2011年的二手車銷量為433萬(wàn)輛，是2000年25萬(wàn)的16.3倍。但是還不到新車銷量的1/4，這說(shuō)明我國(guó)二手車市場(chǎng)還存在很大的發(fā)展空間。而鑒定評(píng)估缺乏科學(xué)統(tǒng)一的標(biāo)準(zhǔn)，對(duì)二手車市場(chǎng)的發(fā)展都有較大影響。與傳統(tǒng)主觀簡(jiǎn)單的評(píng)估方法相比，評(píng)估模型優(yōu)勢(shì)明顯。在數(shù)據(jù)挖掘技術(shù)中主要的預(yù)測(cè)模型有決策樹(shù)、Logistic回歸和神經(jīng)網(wǎng)絡(luò)三種。決策樹(shù)模型是一個(gè)逐層分隔的形式，而Logistic回歸屬于廣義線性模型，神經(jīng)網(wǎng)絡(luò)模型提供了一個(gè)靈活的擬合形式。

二、二手車性能評(píng)估模型的構(gòu)建

1.數(shù)據(jù)預(yù)處理、數(shù)據(jù)探索與數(shù)據(jù)清理

數(shù)據(jù)挖掘技術(shù)對(duì)數(shù)據(jù)有一定要求，所以要先進(jìn)行不完整數(shù)據(jù)、噪音數(shù)據(jù)、不一致數(shù)據(jù)的預(yù)處理。主要有數(shù)據(jù)清洗、數(shù)據(jù)集成與轉(zhuǎn)換、數(shù)據(jù)約減等三個(gè)過(guò)程。本文所用205個(gè)實(shí)驗(yàn)數(shù)據(jù)、包含11個(gè)變量，數(shù)據(jù)量較少。

表 原始實(shí)驗(yàn)數(shù)據(jù)屬性

下面對(duì)表中各變量進(jìn)行分析處理：

（1）數(shù)據(jù)特征探索：利用insight節(jié)點(diǎn)，對(duì)各變量及目標(biāo)變量進(jìn)行可視化分析，探索各變量的關(guān)系、含義和特點(diǎn)，為建模做準(zhǔn)備。發(fā)現(xiàn)各變量缺失比例在2%以下，因此缺失變量可以忽視；（2）設(shè)定目標(biāo)變量。建立target，當(dāng)Performance Cost等于1時(shí)表示這是一個(gè)性能高的二手車；Performance Cost等于0時(shí)表示該二手車的性能比較低。建模的目標(biāo)就是要從數(shù)據(jù)中挖掘出性能高與低的二手車的不同特征，在模型審批過(guò)程中能自動(dòng)將二者區(qū)分開(kāi)來(lái)；（3）變量price與Performance Cost高度線性相關(guān)，因此rejected。highway mpg與city mpg高度相關(guān)，重復(fù)了，因此拒絕其中一個(gè)，本模型是拒絕的highway mpg；（4）觀察目標(biāo)變量的分布，可以看到性能高的二手車與性能低的二手車的比例分別為62%與38%。因此在數(shù)據(jù)分區(qū)的時(shí)候選擇用分層抽樣；（5）分層抽樣。訓(xùn)練集與驗(yàn)證集的比例分別為60%，40%；（6）數(shù)據(jù)的轉(zhuǎn)換。通過(guò)觀察數(shù)據(jù)的分布可以看到engine size，Compression ratio，horsepower，price變量不是類似于正態(tài)分布的，因此對(duì)其進(jìn)行正態(tài)化處理；（7）雖然缺失數(shù)據(jù)比例很小，但是為了建模的嚴(yán)謹(jǐn)，還是添加了replacement節(jié)點(diǎn)，用決策樹(shù)方法對(duì)缺失的數(shù)據(jù)進(jìn)行處理。

2.模型的建立

（1）決策樹(shù)

因?yàn)闆Q策樹(shù)本身具有處理缺失值的能力，可直接將未經(jīng)過(guò)缺失數(shù)據(jù)替換的原始數(shù)據(jù)作為輸入數(shù)據(jù)。本文采用熵不純性的降低作為節(jié)點(diǎn)劃分標(biāo)準(zhǔn)，采用二叉樹(shù)進(jìn)行建模，設(shè)置樹(shù)：j最大深度為6，最小葉子觀測(cè)數(shù)為5。從模型輸出結(jié)果得，SAS自動(dòng)設(shè)置的模型中當(dāng)生成有6個(gè)葉子節(jié)點(diǎn)的決策樹(shù)時(shí)，訓(xùn)練樣本集細(xì)分誤分率為9.09%，檢驗(yàn)樣本集細(xì)分誤分率為7.14%。

決策樹(shù)模型的綜合評(píng)價(jià)：輸出結(jié)果得出在“性能高的二手車”歷史記錄中有87.5%的預(yù)測(cè)值為“性能高的二手車”。在“性能高的二手車”紀(jì)錄中有12.5%的預(yù)測(cè)值為“性能低的二手車”。模型將3.846%的“性能低的二手車”預(yù)測(cè)為“性能高的二手車”；將歷史紀(jì)錄中96.154%的“性能低的二手車”預(yù)測(cè)為“性能低的二手車”。由評(píng)價(jià)結(jié)果可知，該決策樹(shù)對(duì)性能低的二手車的正確判斷率達(dá)了96.154%的較高水平，而對(duì)性能高的二手車的正確判斷率也達(dá)到了87.5%，該決策樹(shù)對(duì)性能低的二手車的預(yù)測(cè)準(zhǔn)確率更理想。

（2）logistic回歸建模

借助回歸節(jié)點(diǎn)建立模型，采用logistic回歸方法，回歸方式設(shè)置為backward，input coding選擇GLM。從模型輸出結(jié)果圖得出，誤分率標(biāo)準(zhǔn)表明，訓(xùn)練樣本集誤分率為9.92%，檢驗(yàn)樣本集誤分率為11.9%。

Logistic模型的預(yù)測(cè)準(zhǔn)確率：模型將84.375%的“性能好的二手車”預(yù)測(cè)為“性能好的二手車”，將15.625%的“性能好的二手車”預(yù)測(cè)為“性能差的二手車”。有90.385%的“性能差的二手車”被預(yù)測(cè)為“性能差的二手車”，剩下9.615%的“性能差的二手車”被預(yù)測(cè)為“性能好的二手車”。可見(jiàn)回歸模型對(duì)性能好的二手車預(yù)測(cè)的準(zhǔn)確率沒(méi)有決策樹(shù)模型高。

（3）神經(jīng)網(wǎng)絡(luò)建模

神經(jīng)網(wǎng)絡(luò)建模：借助神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)建立模型，網(wǎng)絡(luò)采用輸入、隱層、輸出三層結(jié)構(gòu)，其中隱層節(jié)點(diǎn)設(shè)置3個(gè)變量，其他設(shè)置采用軟件默認(rèn)設(shè)置。從模型輸出結(jié)果圖可以看出各種模型評(píng)價(jià)標(biāo)準(zhǔn)，其中誤分率標(biāo)準(zhǔn)表明，訓(xùn)練樣本集細(xì)分誤分率為7.43%，檢驗(yàn)樣本集細(xì)分誤分率為8.33%。從訓(xùn)練過(guò)程得知訓(xùn)練誤差隨訓(xùn)練次數(shù)單調(diào)減少。選擇最佳的訓(xùn)練次數(shù)為7，此時(shí)的驗(yàn)證誤差最小。

神經(jīng)網(wǎng)絡(luò)模型的預(yù)側(cè)準(zhǔn)確率：模型將87.5%的“性能好的二手車”預(yù)測(cè)為“性能好的二手車”，將12.5%的“性能好的二手車”預(yù)測(cè)為“性能差的二手車”。有94.23%的“性能差的二手車”被預(yù)測(cè)為“性能差的二手車”，剩下5.77%的“性能差的二手車”被預(yù)測(cè)為“性能好的二手車”?；貧w模型一樣，對(duì)性能差的二手車的預(yù)測(cè)的準(zhǔn)確率比對(duì)性能好的二手車的預(yù)測(cè)的準(zhǔn)確率高。

3.模型的比較評(píng)估

由于數(shù)據(jù)挖掘模型有時(shí)會(huì)造成過(guò)度擬合，所以要對(duì)模型的正確性進(jìn)行判斷，保證預(yù)測(cè)可靠。在選擇解釋變量的時(shí)候，注重的是它們解釋目標(biāo)變量的能力。但是當(dāng)有很多的解釋變量時(shí)，并不能斷定出總體的性質(zhì)。因此有必要對(duì)于模型的有效性進(jìn)行評(píng)估，以保證模型的可靠穩(wěn)健。本文所用數(shù)據(jù)只有205條，在分拆后建模難度增大，訓(xùn)練，驗(yàn)證兩部分結(jié)果有一定差距。盡管如此，我們?nèi)钥梢詮膶?shí)驗(yàn)的結(jié)果中獲得一些有意義的結(jié)論。

決策樹(shù)，logistic回歸，神經(jīng)網(wǎng)絡(luò)模型的比較：不同模型在不同數(shù)據(jù)集上的誤差率比較和lift圖

綜合訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集的結(jié)果，對(duì)三個(gè)模型進(jìn)行比較評(píng)價(jià)。從誤差率基于數(shù)據(jù)挖掘技術(shù)的二手車性能評(píng)估研究的比較表中可以看出，決策樹(shù)模型和神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確率最高。神經(jīng)網(wǎng)絡(luò)在訓(xùn)練集上誤分率低，但在驗(yàn)證集上誤分率增大比較多，有“過(guò)擬合”的現(xiàn)象。從lift圖上來(lái)看，幾個(gè)模型的效果都比較好。綜合來(lái)看，選擇決策樹(shù)模型。

最后得到的規(guī)則是：

性能好的二手車：

（1）horsepower>=94.5 &engine size>=158.5

（2）horsepower>=94.5 &enginesize<158.5 &fuelsystem=mpf

i&city mpg<22

（3）horsepower>=94.5 &engine size<158.5&fuel system=mp

fi &city mpg>=22 &Compression ratio>=9.45

然而以上都不是最好的評(píng)價(jià)標(biāo)準(zhǔn)，原因是沒(méi)有考慮到類型I錯(cuò)誤和類型II錯(cuò)誤的代價(jià)不同。如果兩者代價(jià)相同，則考慮誤分率是最佳的標(biāo)準(zhǔn)，但現(xiàn)實(shí)中往往不是如此。

三、總結(jié)

二手車模型評(píng)估應(yīng)建立在大量數(shù)據(jù)的統(tǒng)計(jì)結(jié)果之上，才具有準(zhǔn)確性和可靠性。它通過(guò)賣家填寫的有關(guān)二手車的資料，可以快速、有效地辨別和劃分二手策劃的優(yōu)劣，實(shí)現(xiàn)二手車較為公平的交易。另外，通過(guò)數(shù)據(jù)挖掘發(fā)現(xiàn)的一些新模式，可以進(jìn)一步調(diào)整客戶二手車模型評(píng)估體系，從而為將來(lái)完善二手車模型評(píng)估體系起著重要作用。隨著我國(guó)二手車各項(xiàng)制度的建立、相應(yīng)法律環(huán)境的完善、信息化建設(shè)的發(fā)展、信息資源共享的實(shí)現(xiàn)，數(shù)據(jù)挖掘技術(shù)將成為二手車交易管理的重要工具。

參考文獻(xiàn)：

[1]張輝，鄭安文.中國(guó)二手車市場(chǎng)現(xiàn)狀分析及發(fā)展對(duì)策[J].汽車工業(yè)研究，2012（7）：10-13.

[2]孟生旺.神經(jīng)網(wǎng)絡(luò)模型與車險(xiǎn)索賠頻率預(yù)測(cè)[J].統(tǒng)計(jì)研究，2012（3）： 22-26.

作者簡(jiǎn)介：曹靜嫻，女，于2010年9月至2014年7月就讀于西南財(cái)經(jīng)大學(xué)經(jīng)濟(jì)信息工程學(xué)院

摘 要：近來(lái)年我國(guó)二手車市場(chǎng)發(fā)展迅速，但市場(chǎng)不夠規(guī)范，主要依靠人為判斷，評(píng)估不客觀，甚至在鑒定評(píng)估過(guò)程中，有故意隱瞞車輛質(zhì)量問(wèn)題、以次充好等欺騙消費(fèi)者現(xiàn)象，給二手車市場(chǎng)造成不良影響。本文利用數(shù)據(jù)挖掘技術(shù)中的決策樹(shù)、logistic回歸和神經(jīng)網(wǎng)絡(luò)對(duì)205個(gè)二手車數(shù)據(jù)進(jìn)行分析，利用相關(guān)數(shù)據(jù)資料分別建立不同的二手車性能評(píng)估模型，實(shí)現(xiàn)了對(duì)二手車性能的多種復(fù)雜混合因素一定程度上的定量分析。

關(guān)鍵詞：二手車性能評(píng)估；數(shù)據(jù)挖掘；決策樹(shù)；logisticl回歸；神經(jīng)網(wǎng)絡(luò)

一、二手車評(píng)估的現(xiàn)狀和發(fā)展

雖然2011年的二手車銷量為433萬(wàn)輛，是2000年25萬(wàn)的16.3倍。但是還不到新車銷量的1/4，這說(shuō)明我國(guó)二手車市場(chǎng)還存在很大的發(fā)展空間。而鑒定評(píng)估缺乏科學(xué)統(tǒng)一的標(biāo)準(zhǔn)，對(duì)二手車市場(chǎng)的發(fā)展都有較大影響。與傳統(tǒng)主觀簡(jiǎn)單的評(píng)估方法相比，評(píng)估模型優(yōu)勢(shì)明顯。在數(shù)據(jù)挖掘技術(shù)中主要的預(yù)測(cè)模型有決策樹(shù)、Logistic回歸和神經(jīng)網(wǎng)絡(luò)三種。決策樹(shù)模型是一個(gè)逐層分隔的形式，而Logistic回歸屬于廣義線性模型，神經(jīng)網(wǎng)絡(luò)模型提供了一個(gè)靈活的擬合形式。

二、二手車性能評(píng)估模型的構(gòu)建

1.數(shù)據(jù)預(yù)處理、數(shù)據(jù)探索與數(shù)據(jù)清理

數(shù)據(jù)挖掘技術(shù)對(duì)數(shù)據(jù)有一定要求，所以要先進(jìn)行不完整數(shù)據(jù)、噪音數(shù)據(jù)、不一致數(shù)據(jù)的預(yù)處理。主要有數(shù)據(jù)清洗、數(shù)據(jù)集成與轉(zhuǎn)換、數(shù)據(jù)約減等三個(gè)過(guò)程。本文所用205個(gè)實(shí)驗(yàn)數(shù)據(jù)、包含11個(gè)變量，數(shù)據(jù)量較少。

表 原始實(shí)驗(yàn)數(shù)據(jù)屬性

下面對(duì)表中各變量進(jìn)行分析處理：

（1）數(shù)據(jù)特征探索：利用insight節(jié)點(diǎn)，對(duì)各變量及目標(biāo)變量進(jìn)行可視化分析，探索各變量的關(guān)系、含義和特點(diǎn)，為建模做準(zhǔn)備。發(fā)現(xiàn)各變量缺失比例在2%以下，因此缺失變量可以忽視；（2）設(shè)定目標(biāo)變量。建立target，當(dāng)Performance Cost等于1時(shí)表示這是一個(gè)性能高的二手車；Performance Cost等于0時(shí)表示該二手車的性能比較低。建模的目標(biāo)就是要從數(shù)據(jù)中挖掘出性能高與低的二手車的不同特征，在模型審批過(guò)程中能自動(dòng)將二者區(qū)分開(kāi)來(lái)；（3）變量price與Performance Cost高度線性相關(guān)，因此rejected。highway mpg與city mpg高度相關(guān)，重復(fù)了，因此拒絕其中一個(gè)，本模型是拒絕的highway mpg；（4）觀察目標(biāo)變量的分布，可以看到性能高的二手車與性能低的二手車的比例分別為62%與38%。因此在數(shù)據(jù)分區(qū)的時(shí)候選擇用分層抽樣；（5）分層抽樣。訓(xùn)練集與驗(yàn)證集的比例分別為60%，40%；（6）數(shù)據(jù)的轉(zhuǎn)換。通過(guò)觀察數(shù)據(jù)的分布可以看到engine size，Compression ratio，horsepower，price變量不是類似于正態(tài)分布的，因此對(duì)其進(jìn)行正態(tài)化處理；（7）雖然缺失數(shù)據(jù)比例很小，但是為了建模的嚴(yán)謹(jǐn)，還是添加了replacement節(jié)點(diǎn)，用決策樹(shù)方法對(duì)缺失的數(shù)據(jù)進(jìn)行處理。

2.模型的建立

（1）決策樹(shù)

因?yàn)闆Q策樹(shù)本身具有處理缺失值的能力，可直接將未經(jīng)過(guò)缺失數(shù)據(jù)替換的原始數(shù)據(jù)作為輸入數(shù)據(jù)。本文采用熵不純性的降低作為節(jié)點(diǎn)劃分標(biāo)準(zhǔn)，采用二叉樹(shù)進(jìn)行建模，設(shè)置樹(shù)：j最大深度為6，最小葉子觀測(cè)數(shù)為5。從模型輸出結(jié)果得，SAS自動(dòng)設(shè)置的模型中當(dāng)生成有6個(gè)葉子節(jié)點(diǎn)的決策樹(shù)時(shí)，訓(xùn)練樣本集細(xì)分誤分率為9.09%，檢驗(yàn)樣本集細(xì)分誤分率為7.14%。

決策樹(shù)模型的綜合評(píng)價(jià)：輸出結(jié)果得出在“性能高的二手車”歷史記錄中有87.5%的預(yù)測(cè)值為“性能高的二手車”。在“性能高的二手車”紀(jì)錄中有12.5%的預(yù)測(cè)值為“性能低的二手車”。模型將3.846%的“性能低的二手車”預(yù)測(cè)為“性能高的二手車”；將歷史紀(jì)錄中96.154%的“性能低的二手車”預(yù)測(cè)為“性能低的二手車”。由評(píng)價(jià)結(jié)果可知，該決策樹(shù)對(duì)性能低的二手車的正確判斷率達(dá)了96.154%的較高水平，而對(duì)性能高的二手車的正確判斷率也達(dá)到了87.5%，該決策樹(shù)對(duì)性能低的二手車的預(yù)測(cè)準(zhǔn)確率更理想。

（2）logistic回歸建模

借助回歸節(jié)點(diǎn)建立模型，采用logistic回歸方法，回歸方式設(shè)置為backward，input coding選擇GLM。從模型輸出結(jié)果圖得出，誤分率標(biāo)準(zhǔn)表明，訓(xùn)練樣本集誤分率為9.92%，檢驗(yàn)樣本集誤分率為11.9%。

Logistic模型的預(yù)測(cè)準(zhǔn)確率：模型將84.375%的“性能好的二手車”預(yù)測(cè)為“性能好的二手車”，將15.625%的“性能好的二手車”預(yù)測(cè)為“性能差的二手車”。有90.385%的“性能差的二手車”被預(yù)測(cè)為“性能差的二手車”，剩下9.615%的“性能差的二手車”被預(yù)測(cè)為“性能好的二手車”?？梢?jiàn)回歸模型對(duì)性能好的二手車預(yù)測(cè)的準(zhǔn)確率沒(méi)有決策樹(shù)模型高。

（3）神經(jīng)網(wǎng)絡(luò)建模

神經(jīng)網(wǎng)絡(luò)建模：借助神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)建立模型，網(wǎng)絡(luò)采用輸入、隱層、輸出三層結(jié)構(gòu)，其中隱層節(jié)點(diǎn)設(shè)置3個(gè)變量，其他設(shè)置采用軟件默認(rèn)設(shè)置。從模型輸出結(jié)果圖可以看出各種模型評(píng)價(jià)標(biāo)準(zhǔn)，其中誤分率標(biāo)準(zhǔn)表明，訓(xùn)練樣本集細(xì)分誤分率為7.43%，檢驗(yàn)樣本集細(xì)分誤分率為8.33%。從訓(xùn)練過(guò)程得知訓(xùn)練誤差隨訓(xùn)練次數(shù)單調(diào)減少。選擇最佳的訓(xùn)練次數(shù)為7，此時(shí)的驗(yàn)證誤差最小。

神經(jīng)網(wǎng)絡(luò)模型的預(yù)側(cè)準(zhǔn)確率：模型將87.5%的“性能好的二手車”預(yù)測(cè)為“性能好的二手車”，將12.5%的“性能好的二手車”預(yù)測(cè)為“性能差的二手車”。有94.23%的“性能差的二手車”被預(yù)測(cè)為“性能差的二手車”，剩下5.77%的“性能差的二手車”被預(yù)測(cè)為“性能好的二手車”?；貧w模型一樣，對(duì)性能差的二手車的預(yù)測(cè)的準(zhǔn)確率比對(duì)性能好的二手車的預(yù)測(cè)的準(zhǔn)確率高。

3.模型的比較評(píng)估

由于數(shù)據(jù)挖掘模型有時(shí)會(huì)造成過(guò)度擬合，所以要對(duì)模型的正確性進(jìn)行判斷，保證預(yù)測(cè)可靠。在選擇解釋變量的時(shí)候，注重的是它們解釋目標(biāo)變量的能力。但是當(dāng)有很多的解釋變量時(shí)，并不能斷定出總體的性質(zhì)。因此有必要對(duì)于模型的有效性進(jìn)行評(píng)估，以保證模型的可靠穩(wěn)健。本文所用數(shù)據(jù)只有205條，在分拆后建模難度增大，訓(xùn)練，驗(yàn)證兩部分結(jié)果有一定差距。盡管如此，我們?nèi)钥梢詮膶?shí)驗(yàn)的結(jié)果中獲得一些有意義的結(jié)論。

決策樹(shù)，logistic回歸，神經(jīng)網(wǎng)絡(luò)模型的比較：不同模型在不同數(shù)據(jù)集上的誤差率比較和lift圖

綜合訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集的結(jié)果，對(duì)三個(gè)模型進(jìn)行比較評(píng)價(jià)。從誤差率基于數(shù)據(jù)挖掘技術(shù)的二手車性能評(píng)估研究的比較表中可以看出，決策樹(shù)模型和神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確率最高。神經(jīng)網(wǎng)絡(luò)在訓(xùn)練集上誤分率低，但在驗(yàn)證集上誤分率增大比較多，有“過(guò)擬合”的現(xiàn)象。從lift圖上來(lái)看，幾個(gè)模型的效果都比較好。綜合來(lái)看，選擇決策樹(shù)模型。

最后得到的規(guī)則是：

性能好的二手車：

（1）horsepower>=94.5 &engine size>=158.5

（2）horsepower>=94.5 &enginesize<158.5 &fuelsystem=mpf

i&city mpg<22

（3）horsepower>=94.5 &engine size<158.5&fuel system=mp

fi &city mpg>=22 &Compression ratio>=9.45

然而以上都不是最好的評(píng)價(jià)標(biāo)準(zhǔn)，原因是沒(méi)有考慮到類型I錯(cuò)誤和類型II錯(cuò)誤的代價(jià)不同。如果兩者代價(jià)相同，則考慮誤分率是最佳的標(biāo)準(zhǔn)，但現(xiàn)實(shí)中往往不是如此。

三、總結(jié)

二手車模型評(píng)估應(yīng)建立在大量數(shù)據(jù)的統(tǒng)計(jì)結(jié)果之上，才具有準(zhǔn)確性和可靠性。它通過(guò)賣家填寫的有關(guān)二手車的資料，可以快速、有效地辨別和劃分二手策劃的優(yōu)劣，實(shí)現(xiàn)二手車較為公平的交易。另外，通過(guò)數(shù)據(jù)挖掘發(fā)現(xiàn)的一些新模式，可以進(jìn)一步調(diào)整客戶二手車模型評(píng)估體系，從而為將來(lái)完善二手車模型評(píng)估體系起著重要作用。隨著我國(guó)二手車各項(xiàng)制度的建立、相應(yīng)法律環(huán)境的完善、信息化建設(shè)的發(fā)展、信息資源共享的實(shí)現(xiàn)，數(shù)據(jù)挖掘技術(shù)將成為二手車交易管理的重要工具。

參考文獻(xiàn)：

[1]張輝，鄭安文.中國(guó)二手車市場(chǎng)現(xiàn)狀分析及發(fā)展對(duì)策[J].汽車工業(yè)研究，2012（7）：10-13.

[2]孟生旺.神經(jīng)網(wǎng)絡(luò)模型與車險(xiǎn)索賠頻率預(yù)測(cè)[J].統(tǒng)計(jì)研究，2012（3）： 22-26.

作者簡(jiǎn)介：曹靜嫻，女，于2010年9月至2014年7月就讀于西南財(cái)經(jīng)大學(xué)經(jīng)濟(jì)信息工程學(xué)院