Дослідження моделей ML для задачі прогнозування ціни і часу продажу автомобільного транспорту

Abstract

Магістерська кваліфікаційна робота виконана студентом групи КНСШ-24 Лясковцем Василем Олександровичем. Тема “Дослідження моделей ML для задачі прогнозування ціни і часу продажу автомобільного транспорту”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». У роботі розглядається застосування моделей машинного навчання для прогнозування ціни та часу продажу автомобілів. Мета роботи – вивчити та адаптувати різноманітні моделі машинного навчання для точного і оперативного прогнозування параметрів продажу автомобілів на вторинному ринку. У процесі дослідження було зібрано базу даних, яка включає інформацію про більше 5386116 транспортних засобів, включаючи характеристики авто. На основі цієї бази було проаналізовано 10 моделей машинного навчання, при цьому найкраща модель показала точність в прогнозуванні ціни r2=0.94. Також було досліджено ймовірність застосувати застосування регресійних моделей, для визначення часу продажу автомобіля. Результуюча модель було інтегровано в систему, що дозволяє автовласникам або дилерам швидко отримати прогноз щодо можливої вартості продажу їхнього транспортного засобу. Дослідження також включає порівняння різних підходів до прогнозування, аналіз важливості окремих факторів для ціноутворення, а також дослідження ринкових тенденцій і попиту на такі системи прогнозування. Практична цінність роботи полягає в можливості оптимізації процесу продажу автомобілів, зниженні ризиків для продавців та забезпеченні кращої інформованості покупців. У роботі розглядається різні моделі для прогнозування ціни автомобіля на основі зібраного датасету також було здійснено аналіз і порівняння швидкості роботи алгоритмів для того щоб вибрати один з Оптимальний в якому буде порівняно оптимальний до часу і метрики оцінки алгоритму також на основі того який результат було отримано на прогнозування ціни було вирішено на різниці 5 актуальної і передбаченої ціни знайти кореляцію і дізнатися наскільки час продажу автомобіля збільшується або зменшується при збільшенні або зменшенні ціни на якийсь процент або на якусь задану величину. The master's thesis was completed by student Vasyl Liaskovets of the KNSH 24 group. The topic is "Investigation of Machine Learning Models for the Task of Predicting the Price and Time of Sale of Motor Vehicles." The work aims to obtain a master's degree in specialty 122 "Computer Science." The article discusses the application of machine learning models to predict the price and sale time of cars. The goal of the work is to study and adapt various machine learning models for accurate and prompt prediction of car sales parameters in the secondary market. During the research, a database was collected, which includes information on more than 5,386,116 vehicles, including car characteristics. Based on this database, 10 machine learning models were analyzed, with the best model showing a price prediction accuracy of r2=0.94. The possibility of using regression models to determine the car's sale time was also explored. The resulting model was integrated into a system that allows car owners or dealers to quickly obtain a forecast about the potential sale price of their vehicle. The study also includes comparisons of different forecasting approaches, analysis of the importance of individual factors for pricing, and investigation of market trends and demand for such forecasting systems. The practical value of the work lies in the possibility of optimizing the car sales process, reducing risks for sellers, and providing better information for buyers. The article examines various models for predicting car prices based on the collected dataset. It also conducted an analysis and comparison of the speed of algorithms to choose an optimal one in terms of time and algorithm evaluation metrics. Based on the results obtained in price prediction, it was decided to find a correlation by analyzing the difference between the actual and predicted prices to determine how the sale time of a car increases or decreases with a certain percentage or a specified amount of price change.