使用Python+支持向量機預測廣州車牌拍賣價格

首先附上我收集的2018年以來的廣州車牌拍賣信息

	指標數量	參與人數	第一次報價	第二次報價	上次最低價	上次平均價	上上次最低價	上上次平均價	本次最低價
2020年1月	3634	11917 （數據缺失，取得是歷史平均數）	12181	12591	13800	15461	13200	15917	14800
2019年12月	7693	14725	12495	12861	13200	15917	10000	20306	13800
2019年11月	5701	11051	12500	12764	10000	20306	20200	24164	13200
2019年10月	9068	10356	17365	18134	20200	24164	21800	23779	10000
2019年9月	8165	15925	17891	18895	21800	23779	18800	22047	20200
2019年8月	6366	17220	17204	18056	18800	22047	14100	28966	21800
2019年7月	5422	13142	16082	16581	14100	28966	40000	42846	18800
2019年6月	5457	7932	21129	22641	40000	42846	38600	40395	14100
2019年5月	3618	9782	28637	30736	38600	40395	36000	37953	40000
2019年4月	3622	11794	26753	28709	36000	37953	33000	36240	38600
2019年3月	3635	12278	25493	27287	33000	36240	33900	39196	36000
2019年2月	3662	10935	23552	25352	33900	39196	37000	40985	33000
2019年1月	3657	12604	23772	25296	37000	40985	36800	39585	33900
2018年12月	3641	13169	24141	26066	36800	39585	33100	35434	37000
2018年11月	3632	14877	23546	25165	33100	35434	29700	32205	36800
2018年10月	3630	16330	21612	22974	29700	32205	25500	31654	33100
2018年9月	3695	15124	20202	21516	25500	31654	12100	56152	29700
2018年8月	4541	11522	19450	20181	12100	56152	52000	57283	25500
2018年7月	3600	6408	40251	43583	52000	57283	41300	44225	12100
2018年6月	3554	9275	34894	38147	41300	44225	32100	34455	52000
2018年5月	3538	12576	27014	29117	32100	34455	25300	26939	41300
2018年4月	3549	10708	22339	23941	25300	26939	22800	24560	32100
2018年3月	3547	10210	19367	20489	22800	24560	21000	25213	25300
2018年2月	3541	10102	18089	18934	21000	25213	18000	32312	22800
2018年1月	3687	7966	18405	19126	18000	32312	30700	34046	21000

使用語言： Python，請先pip install好pandas和sklearn。

1、import需要的包

import pandas as pd
from sklearn.svm import SVR
# 導入支持向量機

2、將上文的表格複製到excel裏面，刪除第一行表頭，然後保存成csv，命名爲data.csv保存在程序目錄下。

3、讀取csv並轉爲DataFrame

carPrice = []
with open('data.csv', 'r', encoding='utf-8') as f:
    for line in f.readlines():
        l = line.split(',')
        carPrice.append({
            'zbs': int(l[1]),
            'bms': int(l[2]),
            'fp': int(l[3]),
            'sp': int(l[4]),
            'nlp': int(l[5]),
            'nap': int(l[6]),
            'nnlp': int(l[7]),
            'nnap': int(l[8]),
            'lp': int(l[9])
        })

df = pd.DataFrame(carPrice)
# 將數據轉換成DataFrame，其實我覺得直接用pd.read_csv方法更快，這個程序從整理數據到寫好也就用了幾十分鐘。

 4、進行機器學習，輸出結果，本次將通過2018-2019年的數據，以及公佈的2020年1月車牌拍賣相關數據，預測2020年1月車牌拍賣最低價格。

X_train = df.drop(['lp'], axis=1)[1:]
# 訓練數據集
y_train = df['lp'][1:]
# 訓練結果集
X_test = df.drop(['lp'], axis=1)[:1]
# 測試數據集

clf = SVR(kernel='linear')
clf.fit(X_train, y_train)
preds = clf.predict(X_test)
print('預測結果是：',preds,'元')

5、輸出結果

預測結果是： [17110.34942555] 元

Process finished with exit code 0

 

總結：2020年1月廣州車牌拍賣，最低價格爲14800元……跟預測結果還是有2千多塊錢的差距的。主要原因還是樣本數量太少了……