Please use this identifier to cite or link to this item:https://hdl.handle.net/20.500.12259/34540
Type of publication: Magistro darbas / Master thesis
Field of Science: Informatika / Informatics
Author(s): Bagdonas, Karolis
Title: Nenauju automobiliu kainu prognozavimas
Other Title: Resale price prediction in the used car market
Extent: 148 p.
Date: 23-May-2017
Event: Vytauto Didžiojo universitetas. Informatikos fakultetas. Taikomosios informatikos katedra
Keywords: Nenaujjų automobilių kainos;Prognozavimas;Mašininis mokymas;Daugialypė regresija;K-artimiausio kaimyno;Atraminių vektorių regresija;Dirbtiniai neuroniniai tinklai;Used car prices;Prediction;Machine learning;Multiple regression;K-nearest neighbor;Support-vector regression;Artificial neural network
Abstract: Parduodant arba perkant automobili ne visada lengva gerai parinkti kainą ar įvertinti jos pagrįstumą, todėl kainų prognozavimui naudojami kainų prognozavimo modeliai. Automobilių kainų prognozavimo tematika yra atlikta tyrimų, taciau atlikti tyrimai su mažais kintamųjų kiekiais ir mažomis imtimis, todėl iš šių tyrimų sunku nustatyti, kuri metodika automobilių kainų prognozavimui yra tinkamiausia. Šio magistrinio darbo tikslas yra išanalizuoti prognozavimo metodų pritaikymą nenaujų automobilių kainų prognozavimui. Darbe atlikta literatūros apžvalga, suformuluota metodika kainų prognozavimui ir realizuojami daugialypės regresijos, k-artimiausio kaimyno, atraminių vektorių regresijos ir neuroninių tinklų metodai. Sudarytų modelių rezultatai palyginami tarpusavyje, atliekama gautų rezultatų analizė ir suformuluojamos išvados. Atlikus tyrimą nustatyta, kad tinkamiausia metodika nenaujų automobilių kainų prognozavimui yra atraminių vektorių regresija su polinomine branduolio funkcija sudaryta bendrai duomenų aibei.
Determining the value of a used car is not an easy task therefore models is needed to predict the price. There is researches for used car price prediction but these researches has few attributes and small sample size therefore it is difficult to determine the most appropriate methodology for price prediction. This thesis presents a methodology for used cars price prediction. In this research after analysis of literature and methodology formulation different techniques like multiple regression, k-nearest neighbor, support-vector regression and neural network models have been used to make the predictions. In order to achieve the highest possible performance developed models are compared using selected criteria. Based on the results conclusions are provided. The findings of this research revealed that the best method for used car price prediction is support-vector regression with polynomial kernel function for full dataset.
Internet: https://eltalpykla.vdu.lt/1/34540
https://hdl.handle.net/20.500.12259/34540
Appears in Collections:2017 m. (IF mag.)

Files in This Item:
karolis_bagdonas_md.pdf1.14 MBAdobe PDF   Restricted AccessView/Open   Request a copy

Show full item record

Page view(s)

78
checked on Oct 14, 2019

Download(s)

4
checked on Oct 14, 2019

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.