ProbSAINT：用于二手车定价的概率表格回归
机器学习
2025-01-09 v1 人工智能
摘要
二手车定价是汽车行业的关键环节，受多种经济因素和市场动态的影响。随着在线市场的激增和二手车需求的增加，准确的定价将通过确保公平交易使买卖双方受益。然而，向使用机器学习进行自动定价算法的过渡需要理解模型的不确定性，特别是标记模型不确定预测的能力。尽管最近的文献提出了使用提升算法或基于最近邻的方法来进行快速精确的价格预测，但利用此类算法封装模型不确定性仍是一个复杂的挑战。我们引入了 ProbSAINT，该模型为其价格预测提供了一种原则性的不确定性量化方法，同时提供可与最先进提升技术相媲美的准确点预测。此外，考虑到企业倾向于根据车辆挂牌出售的天数来定价，我们展示了如何将 ProbSAINT 用作动态预测模型，以预测不同预期报价持续时间的价格概率。我们的实验进一步表明，ProbSAINT 在其高度确定的实例上尤其准确。这证明了其概率预测在信任至关重要的现实场景中的适用性。
引用
@article{arxiv.2403.03812,
title = {ProbSAINT: Probabilistic Tabular Regression for Used Car Pricing},
author = {Kiran Madhusudhanan and Gunnar Behrens and Maximilian Stubbemann and Lars Schmidt-Thieme},
journal= {arXiv preprint arXiv:2403.03812},
year = {2025}
}
备注
9 pages, 4 figures