牟 嬌，梅培楠

（1.貴州大學(xué)人民武裝學(xué)院，貴陽(yáng) 550025；2.貴州中安云網(wǎng)科技有限公司，貴陽(yáng) 550003）

0 引言

隨著國(guó)民經(jīng)濟(jì)的發(fā)展與人民物質(zhì)生活的提高，摩托車從傳統(tǒng)的代步工具逐步向個(gè)性化、性能化、科技化發(fā)展，摩托車受眾越來(lái)越廣，二手摩托車演變成了個(gè)性化的二手摩托車交易，二手摩托車交易市場(chǎng)發(fā)展呈現(xiàn)大好前景［1］。

歐美日等國(guó)家的二手車已形成了一個(gè)體系成熟的市場(chǎng)，二手車價(jià)格評(píng)估由具有評(píng)估資格的相關(guān)部門根據(jù)二手車市場(chǎng)行情制定評(píng)估規(guī)則［2］。與國(guó)外成熟的二手車市場(chǎng)相比，國(guó)內(nèi)二手車交易評(píng)估體系不健全，對(duì)車輛進(jìn)行合理、準(zhǔn)確的估值成為二手車交易亟待解決的問(wèn)題。學(xué)者針對(duì)二手車的估值研究早已進(jìn)行，二手車的估值影響因素維度多、且非線性，難以使用規(guī)律的方法進(jìn)行評(píng)估，隨著大數(shù)據(jù)與人工智能技術(shù)的發(fā)展，學(xué)者逐漸將機(jī)器學(xué)習(xí)方法應(yīng)用于二手車評(píng)估問(wèn)題，以其計(jì)算快、智能化、數(shù)據(jù)處理量大等優(yōu)勢(shì)成為研究的新熱點(diǎn)［3-5］。

周凌云［3］早在2012年使用決策樹(shù)進(jìn)行汽車評(píng)測(cè)，具有良好的預(yù)測(cè)準(zhǔn)確率；曹靜嫻［4］利用決策樹(shù)、logistic回歸和神經(jīng)網(wǎng)絡(luò)建立了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)雜混合因素在一定程度上的定量分析；劉聰?shù)龋?］將自適應(yīng)提升方法（AdaBoost）應(yīng)用于二手車價(jià)值的評(píng)估，提出一種以決策樹(shù)樁作為弱分類器的集成方法，其準(zhǔn)確率較傳統(tǒng)決策樹(shù)方法得到提高。

本文參考二手車估值模型的建立方法，收集二手摩托車交易數(shù)據(jù)，通過(guò)隨機(jī)森林算法進(jìn)行統(tǒng)計(jì)建模，建立二手摩托車殘值率估值模型，以其對(duì)二手摩托車交易估值起到指導(dǎo)作用。

1 隨機(jī)森林算法

隨機(jī)森林（random forest，RF）方法是美國(guó)科學(xué)家Breiman［6］于2001年提出的一種統(tǒng)計(jì)學(xué)習(xí)方法，它是由并行式集成學(xué)習(xí)的Bagging方法與隨機(jī)子空間方法（random subspace）相結(jié)合而形成［7］。隨機(jī)森林是基于決策樹(shù)的隨機(jī)屬性選擇訓(xùn)練算法，隨機(jī)森林算法具有抗噪性強(qiáng)、計(jì)算開(kāi)銷小等優(yōu)點(diǎn)，可用于分類和回歸任務(wù)［8］。二手車殘值率輸出為連續(xù)值，屬于回歸問(wèn)題。近年來(lái)，國(guó)內(nèi)外學(xué)者在眾多領(lǐng)域中都使用了隨機(jī)森林回歸模型。許允之等［9］將隨機(jī)森林算法應(yīng)用于徐州霧霾預(yù)測(cè)研究，建立徐州空氣質(zhì)量指數(shù)回歸預(yù)測(cè)模型，均方根誤差在6左右，為徐州霧霾的形成原因以及治理措施提供了參考；王仁超等［10］基于隨機(jī)森林回歸方法建立了爆破塊度預(yù)測(cè)模型，為堆石壩爆破施工管理與控制提供了科學(xué)指導(dǎo)；Osman等［11］使用隨機(jī)森林回歸模型進(jìn)行機(jī)械鉆速預(yù)測(cè)，指導(dǎo)鉆井從業(yè)者以最小的時(shí)間和成本完成鉆井項(xiàng)目；Ramalingam等［12］采用混合Harris Hawk優(yōu)化隨機(jī)森林算法（HHO-RF）建立了分散光伏電站的有效數(shù)據(jù)預(yù)測(cè)模型。

如圖1所示，基于隨機(jī)森林的二手摩托車殘值率預(yù)估模型的預(yù)測(cè)步驟如下：

圖1 基于隨機(jī)森林的二手摩托車殘值率預(yù)估模型的預(yù)測(cè)步驟

（1）構(gòu)建訓(xùn)練數(shù)據(jù)集：將二手摩托車的成交殘值率作為模型的輸出變量（標(biāo)簽值），摩托車機(jī)身參數(shù)、使用參數(shù)及審核參數(shù)作為模型的輸入變量（屬性值），標(biāo)簽值及屬性值組成訓(xùn)練數(shù)據(jù)集D。

（2）構(gòu)建隨機(jī)森林：對(duì)數(shù)據(jù)量為m的訓(xùn)練集D進(jìn)行m次隨機(jī)采樣，得到樣本量為m的采樣集D'；在所有屬性中隨機(jī)選擇K個(gè)屬性特征，建立決策樹(shù)回歸模型；重復(fù)以上步驟T次，建立T棵回歸決策樹(shù)，構(gòu)成隨機(jī)森林。

（3）預(yù)測(cè)二手摩托車殘值率：將預(yù)測(cè)集中的屬性值輸入到訓(xùn)練完成的模型中，模型將會(huì)計(jì)算T棵決策樹(shù)的回歸結(jié)果平均值作為其輸出結(jié)果，得到摩托車殘值率。

2 模型特征選取與預(yù)處理

影響二手摩托車殘值率的主要變量有：機(jī)身參數(shù)、使用參數(shù)及審核參數(shù)。

2.1 摩托車機(jī)身參數(shù)

發(fā)動(dòng)機(jī)參數(shù)選擇發(fā)動(dòng)機(jī)型號(hào)、排量、環(huán)保標(biāo)準(zhǔn)、供油方式作為輸入特征；車體參數(shù)選擇座高、油箱、整備質(zhì)量、abs、冷卻類型作為輸入特征。

2.2 摩托車使用參數(shù)

摩托車使用參數(shù)包括：車齡、行駛里程、上牌城市。上牌城市對(duì)二手摩托車價(jià)格有顯著影響。

2.3 摩托車審核參數(shù)

摩托車審核參數(shù)包括：車況等級(jí)、車主報(bào)價(jià)，車況等級(jí)由人工標(biāo)注，分為優(yōu)秀、良好、一般、較差、很差。

本文數(shù)據(jù)來(lái)源于某二手車交易網(wǎng)站數(shù)據(jù)庫(kù)，數(shù)據(jù)存在異常值、缺失值、重復(fù)值等問(wèn)題，在數(shù)據(jù)進(jìn)行模型訓(xùn)練前針對(duì)不同特征進(jìn)行數(shù)據(jù)預(yù)處理，如行駛里程單位統(tǒng)一為km；為車身顏色、座高、整備質(zhì)量等缺省值補(bǔ)上該車型的默認(rèn)配置；若某一數(shù)據(jù)缺省特征值超過(guò)1/3，刪除該數(shù)據(jù)。數(shù)據(jù)預(yù)處理后，剩余有效數(shù)據(jù)約6975條，隨機(jī)劃分測(cè)試集與訓(xùn)練集，1/4數(shù)據(jù)作為測(cè)試集，3/4數(shù)據(jù)作為訓(xùn)練集。數(shù)據(jù)預(yù)處理后的部分特征數(shù)據(jù)集見(jiàn)表1。

表1 部分特征數(shù)據(jù)集

數(shù)據(jù)預(yù)處理后，存在特征為屬性值、特征值需縮放等不同特征處理問(wèn)題，使得進(jìn)入模型訓(xùn)練的特征更加精確，提高模型訓(xùn)練的效率，選取特征不同的處理方式見(jiàn)表2。

表2 特征處理

3 訓(xùn)練過(guò)程與結(jié)果分析

此模型選取二手摩托車殘值率作為輸出值（標(biāo)簽值），殘值率計(jì)算公式如下：

本文采用平均絕對(duì)誤差（mean absolute er?ror，MAE）和R方（R-squared，R2）作為模型評(píng)價(jià)指標(biāo)，MAE用來(lái)描述模型預(yù)測(cè)值的準(zhǔn)確率，R2用來(lái)描述預(yù)測(cè)值與實(shí)測(cè)值之間的相關(guān)程度，計(jì)算公式如下：

式中：m為訓(xùn)練集個(gè)數(shù)；y為殘值率預(yù)測(cè)值，f（x）為殘值率真實(shí)值，T為殘值率真實(shí)值的平均值。

3.1 不同參數(shù)對(duì)預(yù)測(cè)準(zhǔn)確度的影響

本文從200棵決策樹(shù)到2000棵決策樹(shù)，依次遞增200棵；內(nèi)部節(jié)點(diǎn)再劃分所需最小樣本數(shù)選擇2至8，依次遞增2；葉子節(jié)點(diǎn)最少樣本數(shù)選擇1至4，依次遞增1。不同排列組合下進(jìn)行回歸預(yù)測(cè)，部分預(yù)測(cè)結(jié)果見(jiàn)表3。

表3 部分預(yù)測(cè)結(jié)果

從實(shí)驗(yàn)結(jié)果初步可看出，決策樹(shù)的數(shù)目越多，平均誤差越小，擬合程度越好，但決策樹(shù)達(dá)到一定數(shù)量后，增加決策樹(shù)的數(shù)量對(duì)模型準(zhǔn)確度提升效果不佳。在數(shù)據(jù)量樣本不多時(shí)，內(nèi)部節(jié)點(diǎn)再劃分所需最小樣本數(shù)及葉子節(jié)點(diǎn)最少樣本數(shù)越小，模型預(yù)測(cè)結(jié)果擬合程度較好。決策樹(shù)數(shù)目1200，內(nèi)部節(jié)點(diǎn)再劃分所需最小樣本數(shù)2，葉子節(jié)點(diǎn)最少樣本數(shù)1的時(shí)候誤差最小，預(yù)測(cè)值與實(shí)際值的擬合度如圖2所示。通過(guò)實(shí)驗(yàn)結(jié)果得知，基于隨機(jī)森林回歸的二手摩托車殘值率預(yù)測(cè)模型整體效果良好，MAE值大都在5%以內(nèi)，預(yù)測(cè)準(zhǔn)確度較高；R2值大都在90%以上，預(yù)測(cè)值與實(shí)際值相關(guān)性強(qiáng)。

圖2 預(yù)測(cè)值與實(shí)際值的擬合度

3.2 特征重要性

隨機(jī)森林算法提供特征重要性的計(jì)算，計(jì)算過(guò)程如下：

（1）針對(duì)隨機(jī)森林中建立的決策回歸樹(shù)，計(jì)算袋外數(shù)據(jù)（OOB）的誤差，記作errOOB1；

（2）對(duì)袋外數(shù)據(jù)OOB所有樣本的特征X隨機(jī)加入噪聲干擾，再次計(jì)算袋外數(shù)據(jù)誤差，記作errOOB2；

（3）對(duì)隨機(jī)森林中的所有決策樹(shù)計(jì)算上述兩個(gè)誤差值，特征X的重要性計(jì)算公式為

式中，n表示決策樹(shù)的個(gè)數(shù)。

通過(guò)給決策樹(shù)特征隨機(jī)加入噪聲，袋外準(zhǔn)確度大幅度降低，表示該特征對(duì)決策樹(shù)影響很大，對(duì)所有決策樹(shù)取平均值，得到特征的最后重要性。特征重要性結(jié)果見(jiàn)圖3?？梢钥闯?，車齡、行駛里程及上牌城市三個(gè)特征重要程度較高，符合市場(chǎng)規(guī)律。

圖3 特征重要性

4 算法對(duì)比分析

為進(jìn)一步驗(yàn)證隨機(jī)森林模型在二手摩托車估值模型上的優(yōu)劣，采用交叉驗(yàn)證法選取貝葉斯嶺回歸［13］（BayesianRidge）、普通線性回歸［14］（LinearRegression）、彈性網(wǎng)絡(luò)回歸［15］（Elastic?Net）、支持向量機(jī)回歸［16］（SVR）、神經(jīng)網(wǎng)絡(luò)［17］（BP-NN）預(yù)測(cè)模型構(gòu)建預(yù)測(cè)模型，進(jìn)行實(shí)驗(yàn)對(duì)比分析。計(jì)算上述模型的MAE、R2、訓(xùn)練時(shí)間三個(gè)評(píng)價(jià)指標(biāo)，各模型的對(duì)比結(jié)果見(jiàn)表4和圖4。

表4 模型預(yù)測(cè)結(jié)果對(duì)比

圖4 預(yù)測(cè)值與實(shí)際值的擬合度

根據(jù)對(duì)比結(jié)果，可以看出在預(yù)測(cè)模型準(zhǔn)確性上，RF、BP-NN模型預(yù)測(cè)準(zhǔn)確性明顯優(yōu)于其他回歸模型，RF、BP-NN的MAE均值均在0.035以下，R2能達(dá)到0.90以上。在運(yùn)行效率上，RF、BP-NN的運(yùn)行效率遠(yuǎn)低于其他模型，但RF的運(yùn)行效率與BP-NN相比仍具有一定優(yōu)勢(shì)。綜合比較上述結(jié)果，RF在高維度的回歸預(yù)測(cè)問(wèn)題上，準(zhǔn)確性表現(xiàn)優(yōu)秀，且具有良好的運(yùn)行效率。

5 結(jié)語(yǔ)

二手摩托車估值模型成功建立，能帶來(lái)以下應(yīng)用價(jià)值：促進(jìn)二手摩托車行業(yè)定價(jià)透明規(guī)范化——二手摩托車出售者能夠通過(guò)模型來(lái)預(yù)測(cè)自己的二手摩托車能夠賣多少錢，使價(jià)格定在一個(gè)合理區(qū)間，更容易售賣出去。購(gòu)買者在市場(chǎng)里只需考慮自己想要的摩托車配置和能夠接受的折舊度，利用模型來(lái)確定二手摩托車價(jià)格，更容易買到性價(jià)比較高的商品。為相關(guān)研究者提供研究思路——本文從影響因素分析、數(shù)據(jù)預(yù)處理、模型參數(shù)選擇來(lái)逐步建立二手摩托車殘值率估值模型，希望能夠?yàn)橄嚓P(guān)研究者提供一些研究思路。