一种基于XGBoost算法的车主满意度预测方法与流程

摘要: 本发明涉及基于机器自学习方法预测车主满意度的,具体地,涉及一种基于xgboost算法的车主满意度预测方法。背景技术:1、在某个车型的整个生产周期中,主机厂需要先...
一种基于XGBoost算法的车主满意度预测方法与流程

本发明涉及基于机器自学习方法预测车主满意度的,具体地,涉及一种基于xgboost算法的车主满意度预测方法。

背景技术:

1、在某个车型的整个生产周期中,主机厂需要先制定目标车型的各项指标,再根据定制好的指标进行开发并生产,最后交付给车主。有些车型得到了广大车主的青睐,其在互联网上的车主满意度评分很高;而有些车型的销售业绩很惨淡,其在互联网上的车主满意度评分很低,影响公司的效益。申请人认为,如能在目标车型的各项指标锁定时就预测到该车型的用户满意度,可以为企业减少损失,为用户提供满意的产品。

技术实现思路

1、为解决上述问题的至少一个方面,本发明提供一种基于xgboost算法的车主满意度预测方法,包括:收集车型满意度评分参数和评分结果,构建评分数据集;将评分数据集划分为训练集和测试集;利用预设的xgboost模型采用训练集进行训练,并根据测试集获取测试结果;根据预设评价指标评估xgboost模型,所述预设评价指标包括均方根误差、平均绝对误差和拟合优度;将目标车型的评分参数值输入评估后的xgboost模型生成满意度预测值。

2、优选地,还包括计算归一化评分参数,其中,xy是输入样本的原始值,xi是归一化值;xmin是输入样本的最小值,xmax是输入样本的最大值。

3、优选地,所述评分参数包括最高车、最大功率、最大扭矩、综合油耗、发动机排量。

4、优选地,将评分数据集划分为训练集和测试集的步骤包括:将评分数据集70%的数据作为训练集,30%的数据作为测试集。

5、优选地,根据预设评价指标评估xgboost模型,所述预设评价指标包括均方根误差、平均绝对误差和拟合优度的步骤还包括:根据评估结果对模型参数进行调整,模型参数包括max_depth、n_estimators和learning_rate,当均方根误差、平均绝对误差最小时完成对xgboost模型的评估。

6、另一方面,提供一种基于xgboost算法的车主满意度预测系统,包括处理器和存储器,所述存储器包括计算机程序,所述计算机程序由处理器运行时执行如前任一所述基于xgboost算法的车主满意度预测方法。

7、本发明实施例的基于xgboost算法的车主满意度预测方法及系统具有以下有益效果:现制定一种车主满意度预测方法,该方法采用xgboost机器学习算法,通过获取历史车型满意度评分数据,并对数据进行预处理和划分,并建立基于xgboost算法的车型满意度评分预测模型,再进行训练和测试,得到合适的预测模型和预测结果。在车型指标制定时给出其未来的车主满意度预测值,可以协助汽车产品特征目录的制定,规避汽车上市后得到车主差评的风险,从而提升产品质量和可靠性,为开发新车型时产品特征目录的制定提供信息和技术支撑。

1.一种基于xgboost算法的车主满意度预测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,还包括计算归一化评分参数,

3.根据权利要求1所述的方法,其特征在于,评分参数包括最高车、最大功率、最大扭矩、综合油耗、发动机排量。

4.根据权利要求1所述的方法,其特征在于,将评分数据集划分为训练集和测试集的步骤包括:将评分数据集70%的数据作为训练集,30%的数据作为测试集。

5.根据权利要求1所述的方法,其特征在于,根据预设评价指标评估xgboost模型,所述预设评价指标包括均方根误差、平均绝对误差和拟合优度的步骤还包括:根据评估结果对模型参数进行调整,模型参数包括max_depth、n_estimators和learning_rate,当均方根误差、平均绝对误差最小时完成对xgboost模型的评估。

6.一种基于xgboost算法的车主满意度预测系统,其特征在于,包括处理器和存储器,所述存储器包括计算机程序,所述计算机程序由处理器运行时执行如权利要求1-5中任一所述基于xgboost算法的车主满意度预测方法。