Günümüz ekonomik koşullarında, ikinci el ürünlere ilgi daha da artmıştır.
Özellikle ikinci el araba ya da araçların geniş bir müşteri tabanı bulunmaktadır.
Böyle bir pazara sahip olan sektörde hızlı satış yapabilmek, doğru
fiyatlandırma yapmak, doğru fiyattan alış-veriş yapabilmek için araçların ideal
fiyatları hesaplamak büyük önem taşımaktadır. Bu gibi durumlarda kullanılan
lineer regresyon analizi ile önce fiyat üzerinde etkisi olan değişkenlerin
tespiti sonra tahminleme modeli kurulup fiyat hesaplamak mümkündür. Bu
çalışmada, fiyat, marka ve model yılı gibi fiyatı etkileyen 5041 ikinci el
otomobile ait 78 değişkenden 23'ü belirlenerek model oluşturulmuştur. Bu 23
değişkenin Açıklayıcılık Oranı (R2) %89,1 olarak bulunmuştur. Daha
sonra, bu regresyon modeli kullanılarak, araçların ikinci el fiyatları makine
öğrenme algoritması ile tahmin edilmiştir. Veri seti eğitim ve test verileri
olarak ikiye ayrılmıştır (%70-30 ve %80-20). Çalışma sonucunda gerçek değerler
ile hesaplanan değerler arasındaki yakınlıklar tespit edilmiştir. Çalışma
sonucunda hesaplanan yakınlık oranı (±%), tahmin sonuçlarının gerçek sonuçlara yakınlık
derecesini göstermektedir. Makine öğrenmesi sonucu oluşturulan tahmin modeli
ile doğru sonuçların %10 yakınlık derecesine göre (üst limit; %110, alt limit;
%90) tahmin başarı oranı %81,15 olarak bulunmuştur. Elde edilen sonuçlara göre,
ikinci el araba fiyatlarının tahmininde makine öğrenme tekniğinin ikinci el
olabileceği düşünülmektedir. Fakat daha fazla birim sayısına sahip bir veri
seti ve farklı değişkenler ile daha iyi tahmin oranlarına ulaşmak mümkündür.
Fiyat Tahminleme İkinci El Araba Makine Öğrenmesi Doğrusal Regresyon
In today's economic
conditions, interest in second hand products has increased. Especially
second-hand car or vehicles have a wide customer base. In the sector which has
a workshop market, it is very important to make fast sales, to make the right
pricing and to calculate the ideal prices of the cars in order to exchange at
the right price. With linear regression analysis second-hand in such cases
first determination of variables with effect on price, then it is possible to
calculate the price by establising estimating model. In this study, the model
was established by determining 23 of 78 variables affecting the price such as
price, brands and model years of 5041 second-hand cars. The Determination Rate
(R2) of these 23 variables was found to be 89.1%. Then, by using
this regression model, second hand prices of the cars were estimated via
machine learning algorithm. The data set is divided into two as training and
test data (70-30% and 80-20%). As a result of the study, it was determined the
affinities between the real values and the estimated values. The proximity rate (±%) calculated in result of study shows affinity intensity of the
estimation results to the true results. Via the prediction model established as
a result of machine learning, the predictive accuracy rate was found to be
81.15% according to the 10% proximity of the correct results (upper limit;
110%, lower limit; 90%). According to
the results, it is thought that machine learning technique could be second-hand
to estimate second hand car prices. However,
it is possible to reach a better estimation rate with a data set with more
units and different variables.
Prediction Price Second-Hand Car Machine Learning Linear Regression
Birincil Dil | İngilizce |
---|---|
Konular | Mühendislik |
Bölüm | Makaleler |
Yazarlar | |
Yayımlanma Tarihi | 31 Ağustos 2019 |
Yayımlandığı Sayı | Yıl 2019 Sayı: 16 |