汽车价格预测系统

这是一个基于机器学习的汽车价格预测系统，使用随机森林算法根据车辆特征预测二手车价格。该项目包含完整的数据分析、模型训练和Web应用部署流程。

项目概述

本项目通过分析汽车的各种特征（如制造商、型号、里程数、发动机容量等）来预测汽车的价格。整个系统包括：

1. 数据分析与预处理
2. 模型训练与优化
3. FastAPI后端API服务
4. 交互式Web前端界面

技术栈

• 数据分析: Pandas, NumPy, Matplotlib, Seaborn
• 机器学习: Scikit-learn, 随机森林回归
• 后端: FastAPI, Uvicorn
• 前端: HTML, CSS, JavaScript, Bootstrap, Select2
• 开发工具: Jupyter Notebook, Python

项目结构

汽车价格预测系统/
├── app/                    # FastAPI应用
│   ├── __init__.py        
│   ├── main.py             # FastAPI主程序
│   ├── models.py           # 数据模型定义
│   ├── prediction.py       # 预测逻辑
│   └── utils.py            # 工具函数
├── static/                 # 静态文件
│   └── index.html          # 前端界面
├── logs/                   # 日志文件
├── real-car-predict.ipynb  # 模型训练与分析Jupyter笔记本
├── car_price_prediction_components.pkl  # 保存的模型和处理组件
└── README.md               # 项目说明文档

特征说明

本模型考虑了以下特征：

分类特征

• Manufacturer (制造商)
• Model (型号)
• Category (类别)
• Leather interior (皮革内饰)
• Fuel type (燃料类型)
• Gear box type (变速箱类型)
• Drive wheels (驱动轮)
• Doors (车门数)
• Wheel (方向盘位置)
• Color (颜色)

数值特征

• Levy (征税额)
• Prod. year (生产年份)
• Engine volume (发动机容量)
• Cylinders (气缸数)
• Airbags (安全气囊数)
• Mileage (里程数)

模型开发过程

1. 数据分析

• 探索性数据分析（EDA）
• 特征分布可视化
• 相关性分析
• 缺失值处理

2. 模型选择

通过比较多种回归算法（线性回归、随机森林、梯度提升等），最终选择了随机森林模型，原因包括：

• 能够捕捉特征间的非线性关系
• 对异常值和噪声具有良好的鲁棒性
• 提供特征重要性分析
• 在验证集上表现最佳

3. 超参数调优

采用分阶段网格搜索策略优化模型：

1. 基线模型评估
2. 树的复杂度参数调优（max_depth, min_samples_split等）
3. 森林大小和随机性调优（n_estimators, max_features等）
4. 整合最佳参数并添加正则化
5. 特征重要性分析与筛选

4. 模型评估

• 使用R²和MSE作为评估指标
• 交叉验证确保模型稳定性
• 分析训练集和验证集表现差异，避免过拟合

API接口说明

主要端点

• GET / - 提供前端界面
• POST /predict - 根据汽车特征预测价格
• GET /feature-values - 获取分类特征的有效值列表
• GET /health - 健康检查端点
• GET /model-info - 获取模型信息

示例请求（预测）

{
  "Manufacturer": "TOYOTA",
  "Model": "Camry",
  "Category": "Sedan",
  "Leather_interior": "Yes",
  "Fuel_type": "Petrol",
  "Gear_box_type": "Automatic",
  "Drive_wheels": "Front",
  "Doors": "04-May",
  "Wheel": "Left wheel",
  "Color": "Black",
  "Levy": 1200,
  "Prod_year": 2018,
  "Engine_volume": 2.5,
  "Cylinders": 4,
  "Airbags": 8,
  "Mileage": 25000
}

示例响应

{
  "predicted_price": 15800.0,
  "confidence_interval": {
    "lower_bound": 14200.0,
    "upper_bound": 17400.0
  },
  "feature_importance": {
    "Prod_year": 0.3421,
    "Engine_volume": 0.1843,
    "Mileage": 0.1276,
    "Manufacturer": 0.0982,
    "Model": 0.0731
  }
}

前端界面

前端界面提供了用户友好的表单，用于输入汽车特征并获取价格预测：

• 所有分类特征使用下拉选择框
• 当选项超过10个时自动启用搜索功能
• 美观的结果展示，包括预测价格、置信区间和特征重要性
• 自适应设计，支持各种设备

部署说明

环境要求

• Python 3.8+
• 依赖包：fastapi, uvicorn, scikit-learn, pandas, numpy

安装步骤

1. 克隆或下载代码库
2. 安装依赖：pip install -r requirements.txt
3. 运行服务器：python -m app.main
4. 在浏览器访问：http://localhost:8000

模型优势

随机森林在本项目中表现优异的原因：

1. 非线性关系捕捉：汽车价格与特征（如里程数、发动机容量等）之间往往是非线性关系
2. 鲁棒性强：随机森林作为集成方法，对噪声和异常值有良好的抵抗力
3. 特征重要性：自然支持特征重要性分析，帮助理解哪些变量对价格预测贡献最大
4. 适应高维数据：能够有效处理多个数值和类别特征

未来改进方向

1. 增加更多特征工程技术
2. 尝试更多高级模型（如XGBoost、LightGBM）
3. 添加模型解释组件（SHAP值分析）
4. 优化前端用户体验
5. 实现模型定期重训练机制

贡献

欢迎贡献代码或提供改进建议！

许可

MIT