Please use this identifier to cite or link to this item:https://hdl.handle.net/20.500.12259/34540
Full metadata record
DC FieldValueLanguage
dc.contributorVytauto Didžiojo universitetas. Informatikos fakultetas. Taikomosios informatikos katedralt_LT
dc.contributor.advisorKrilavičius, Tomas
dc.contributor.authorBagdonas, Karolis
dc.date.accessioned2017-06-05T10:11:28Z
dc.date.available2017-06-05T10:11:28Z
dc.date.issued2017-05-23
dc.identifier.urihttps://eltalpykla.vdu.lt/1/34540
dc.identifier.urihttps://hdl.handle.net/20.500.12259/34540-
dc.description.abstractParduodant 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.lt_LT
dc.description.abstractDetermining 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.en_US
dc.format.extent148 p.
dc.language.isolten_US
dc.rightsSutarties data 2017-05-19, nr. 34540, prieinamas tik VDU intranete iki 2022-06-20lt_LT
dc.subjectNenaujjų automobilių kainoslt_LT
dc.subjectPrognozavimaslt_LT
dc.subjectMašininis mokymaslt_LT
dc.subjectDaugialypė regresijalt_LT
dc.subjectK-artimiausio kaimynolt_LT
dc.subjectAtraminių vektorių regresijalt_LT
dc.subjectDirbtiniai neuroniniai tinklailt_LT
dc.subjectUsed car pricesen_US
dc.subjectPredictionen_US
dc.subjectMachine learningen_US
dc.subjectMultiple regressionen_US
dc.subjectK-nearest neighboren_US
dc.subjectSupport-vector regressionen_US
dc.subjectArtificial neural networken_US
dc.subject.otherInformatika / Informatics
dc.titleNenauju automobiliu kainu prognozavimaslt_LT
dc.title.alternativeResale price prediction in the used car marketen_US
dc.typeMagistro darbas / Master thesis
item.fulltextWith Fulltext-
item.grantfulltextrestricted-
Appears in Collections:2017 m. (IF mag.)
Files in This Item:
karolis_bagdonas_md.pdf1.14 MBAdobe PDF   Restricted AccessView/Open

Show simple item record

Page view(s)

88
checked on Nov 5, 2019

Download(s)

4
checked on Nov 5, 2019

Google ScholarTM

Check


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