二手车交易价预测分析

上次我们爬取了五八二手车数据，文章链接：

《爬虫 | 五八字体反爬》

获取的数据如下：

今天我们就用这份数据，根据新车报价，行驶里程，上牌时间，排量，变速箱，排放标准这些字段，对交易价做一个预测分析。

环境配置

1.Pandas 库用于读取和分析csv文本

2.Numpy 库用于一些基本的矩阵操作

3.TensorFlow 2.0 库用于创建一个小型的全 连接神经网络

4.Matplotlib 库用于绘图

5.Scikit-learn 库用于数据集切分

我们使用的库，环境是基于 anaconda 的，在其中安装，更换镜像安装可参考：

《Python 多环境搭建方法》

更换镜像后直接 pip 安装即可。

start

小编使用的 jupyter notebook 环境。

通过 pd.read_csv 就可以读取一个 csv 文件，输出我们读取的 DataFrame。

使用head(5)来观察一下前5个样本的样子：

链接，交易地址，名称是不需要的，需要把他们删掉；同时排放标准，变速箱以及排量需要我们额外编码，把他们变成数字以便训练模型：

下一步就是定义一个模型，我们使用 tensorflow.keras 模型快速实现一个全连接层模型。

全连接网络可以学习数据之间的关联，用于对新的数据做出推断：

接下来开始训练，训练之前需要把数据进行一个归一化操作，就是减去均值再除以标准差，使我们的样本符合一个正态分布，更有益于损失函数的收敛：

使用 matplotlib 画出损失函数的图像，可以看到，训练过程中是持续下降的，没有出现震荡，说明此模型是可以使用的：

下图是预测测试集和真实值得对比：

上图的数据只显示了 20 条，基本都差在 2w 元以内，十分接近真实值了。