摘要
本发明公开了一种车辆出售预测方法及装置,属于电子信息技术领域,包括:根据预设时间粒度提取历史车联网数据样本;过采样历史车联网数据样本生成新样本,进而形成模型训练数据;在模型训练数据中提取车辆特征变量;通过相似性计算对车辆特征变量进行分类;根据相关性对车辆特征变量进行排序生成变量排序结果;模型训练数据根据变量排序结果转换为具有二维矩阵结构的输入数据;基于输入数据训练卷积神经网络得出第一预测模型;获取待预测车辆在预设时间长度内的车联网数据,应用第一预测模型获得出售预测结果。本发明运用卷积神经网络技术,通过利用车联网的截面数据和车联网数据在特征变量和时间两个维度的关联关系,提升了车辆出售预测准确性。
技术关键词
二维矩阵结构
变量
车辆
样本
协方差矩阵特征
特征工程
数据转换模块
卷积神经网络技术
模型训练模块
特征提取模块
训练卷积神经网络
平均行驶里程
电子信息技术
标签
聚类方法
校准
预测装置
数据格式
系统为您推荐了相关专利信息
水泥回转窑
参数预测方法
烧制水泥熟料
高温风机
设备运行数据
工况识别方法
滤池
卷积神经网络提取
旋转角
坐标
软件工作量
训练样本集
计算机程序产品
电子设备
标签
节水型灌溉水渠
深度强化学习模型
螺纹杆
学习系统
连通板