1）获取数据，数据来源于赛题二手车交易价格预测；
2）对获取的数据进行基本的处理操作，相关性分析输入特征；
3）根据统计特征数据建立二手车交易价格预测模型；
4）对模型结果进行评估。
实施过程
本案例共收集到1万条二手车历史数据，字段详细说明如下：本案例共收集到15万条二手车历史数据，字段详细说明如下：
字段名称 | 类型 | 字段说明 |
|---|---|---|
SaleID | 整型 | 交易ID，唯一编码 |
name | 整型 | 汽车交易名称，已脱敏 |
regDate | 整型 | 汽车注册日期，例如20160101，2016年01月01日 |
model | 浮点型 | 车型编码，已脱敏 |
brand | 整型 | 汽车品牌，已脱敏 |
bodyType | 浮点型 | 车身类型：豪华轿车：0，微型车：1，厢型车：2，大巴车：3，敞篷车：4，双门汽车：5，商务车：6，搅拌车：7 |
fuelType | 浮点型 | 燃油类型：汽油：0，柴油：1，液化石油气：2，天然气：3，混合动力：4，其他：5，电动：6 |
gearbox | 浮点型 | 变速箱：手动：0，自动：1 |
power | 整型 | 发动机功率：范围 [ 0, 600 ] |
kilometer | 整型 | 汽车已行驶公里，单位万km |
notRepairedDamage | 字符串 | 汽车有尚未修复的损坏：是：0，否：1 |
regionCode | 整型 | 地区编码，已脱敏 |
seller | 整型 | 销售方：个体：0，非个体：1 |
offerType | 整型 | 报价类型：提供：0，请求：1 |
creatDate | 整型 | 汽车上线时间，即开始售卖时间 |
price | 整型 | 二手车交易价格（预测目标） |
v系列特征 | 整型 | 匿名特征，包含v0-14在内15个匿名特征 |
数据接入
在实验中添加 数据源 节点，将二手车交易价格数据读取进来，部分数据如图所示： 节点，将二手车交易价格数据读取进来，部分数据如图所示：
数据探索
本案例的探索分析是对数据进行缺失值分析与数据分布分析，分析出数据的缺失和分布情况。通过 聚合 节点查看原表数据中notRepairedDamage字段类型有三种。需要将“ 节点查看原表数据中notRepairedDamage字段类型有三种。需要将“-”的数据设置为空值。
通过 全表统计 节点统计所有特征，查看各指标的分布情况，发现部分数据含有缺失情况，如图： 节点统计所有特征，查看各指标的分布情况，发现部分数据含有缺失情况，如图：
数据预处理
我们通过 派生列 节点对notRepairedDamage字段中“ 节点对notRepairedDamage字段中“-”值转换为空值处理，如图：
根据全表统计查看缺失数据分布情况，对正态分布数据使用平均值填补，右偏分布的数据使用中位数填充处理。整个的数据预处理流程图如图：
相关性分析
通过 相关性分析 节点，相关性分析部分结果如图： 节点，相关性分析部分结果如图：
我们 特征选择 相关性系数较高的特征输入模型，特征选择如图： 相关性系数较高的特征输入模型，特征选择如图：
建立模型
本案例采用 梯度提升回归树 算法对模型进行训练，使用 算法对模型进行训练，使用 拆分 节点按照7 节点按照7:3的比例将数据集拆分为训练集和测试集。整体的流程图如图所示：
算法参数配置如图：
模型训练后预测的结果如图：
模型评估
接入 评估 节点对模型进行评估，评估结果如图所示（R2大概为0 节点对模型进行评估，评估结果如图所示（R2大概为0.85）：94）：
业务分析
我们通过 GBDT特征选择 节点输出重要性较高的10个特征，结果如图： 节点输出重要性较高的10个特征，结果如图：
分析发现v_0、v3、v_12、v_3等几个特征是影响二手车交易价格的因素。12、regDate等几个特征是影响二手车交易价格的因素。
总结
本案例结合二手车交易价格预测案例，重点介绍了梯度提升回归树预测分析在实际案例中的应用。本案例借助二手车交易历史记录建立模型预测二手车交易未来价格，二手车价格市场；针对影响二手车交易价格因素，可以做好相关的优惠活动。
