[发明专利]车辆推荐方法及装置、电子设备、存储介质

说明书

本申请提供一种车辆推荐方法及装置、电子设备、存储介质，所述方法包括：获取包含多组样本数据的样本数据集；针对多种算法模型，利用样本数据集评估每种算法模型的预测准确性；从多种算法模型中选取预测准确性最高的目标算法，并利用目标算法训练得到车辆匹配模型；将目标用户的用户特征输入车辆匹配模型，输出车辆特征与目标用户的用户特征匹配的车辆类型。从而无需人工凭借经验推荐车辆，降低了人力成本，提高了推荐结果的准确性。

技术领域

本申请涉及数据处理技术领域，特别涉及一种车辆推荐方法及装置、电子设备、计算机可读存储介质。

背景技术

目前，车辆销售主要以销售员人工销售为主，通过与客户的交谈，了解客户的需求，并基于自身对各种车辆的了解，再向客户推荐合适的车辆。这种销售模式，很大程度依赖销售人员的经验以及主观意见，存在较大的不确定性；并且前期需要对销售人员进行较长时间的培训，时间和人力成本较高。

发明内容

本申请实施例提供了一种车辆推荐方法，用于实现智能推荐，降低成本并提高推荐的准确性。

本申请实施例提供了一种车辆推荐方法，所述方法包括：

获取包含多组样本数据的样本数据集；

针对多种算法模型，利用所述样本数据集评估每种算法模型的预测准确性；

从所述多种算法模型中选取所述预测准确性最高的目标算法，并利用所述目标算法训练得到车辆匹配模型；

将目标用户的用户特征输入所述车辆匹配模型，输出车辆特征与所述目标用户的用户特征匹配的车辆类型。

在一实施例中，所述获取包含多组样本数据的样本数据集，包括：

获取多组样本原始数据；

对所述样本原始数据依次进行数据清洗、特征选择以及归一化处理，形成包含多组样本数据的样本数据集。

在一实施例中，所述进行数据清洗的步骤包括：

统计所述多组样本原始数据中不同特征字段的特征值缺失比例；

根据不同特征字段的特征值缺失比例，去除所述多组样本原始数据中特征值缺失比例大于第一阈值的特征字段。

在一实施例中，所述去除所述多组样本原始数据中特征值缺失比例大于第一阈值的特征字段之后，所述方法还包括：

通过独热编码方式对所述多组样本原始数据中的类别型特征数据进行数据转换。

在一实施例中，所述特征选择的步骤包括：

通过相关系数法从所述多组样本原始数据中筛选出与人车匹配相关的用户特征和车辆特征；

通过递归特征消除法保留使模型准确率大于第二阈值的用户特征和车辆特征。

在一实施例中，所述通过递归特征消除法保留使模型准确率大于第二阈值的用户特征和车辆特征之后，所述方法还包括：

通过主成分分析法对所述用户特征和车辆特征进行降维。

在一实施例中，所述针对多种算法模型，利用所述样本数据集评估每种算法模型的预测准确性，包括：

将所述样本数据集划分为k个子集；

针对指定算法模型，将每个子集分别作为一次验证集，并利用剩余的k-1个子集对所述算法模型进行训练；

通过作为验证集的子集测试利用剩余k-1个子集训练得到的算法模型的准确率；

根据每个子集分别作为验证集时的准确率，计算所述指定算法模型的预测准确性。