某品牌電動汽車給出了不同規(guī)格的電動車屬性與價(jià)格數(shù)據(jù)（見 train.xlsx），另有一批未 知價(jià)格的電動車屬性數(shù)據(jù)（見 test.xlsx）。
附： 1、屬性的具體含義請見：tag.xlsx 2、價(jià)格已分檔，為 0-3 之間的一個(gè)整數(shù)，請將最后的預(yù)測也以分檔的形式給出。

train的數(shù)據(jù)形式，要轉(zhuǎn)成csv文件的話，另存，看下圖操作即可。

---

里面包含的數(shù)據(jù)在這里：
鏈接：https://pan.baidu.com/s/1C6R9M8pRJdl-WO8lxMYZyQ
提取碼：cpfn
復(fù)制這段內(nèi)容后打開百度網(wǎng)盤手機(jī)App，操作更方便哦

---

以方差選擇法、相關(guān)系數(shù)法、互信息法作為分析的主要方法，以MATLAB為分析工具，得出影響電動汽車價(jià)格的主要價(jià)值屬性。在此基礎(chǔ)上，我們使用熵值法對選出的電動汽車主要屬性進(jìn)行確定和驗(yàn)證，確保主要屬性的精確性及有效性。
最后根據(jù)篩選出的主要特征進(jìn)行分類預(yù)測，下面附上基于KNN的程序：

import numpy as np import operator from sklearn.metrics import classification_report,confusion_matrix import operator import pandas as pd import sklearn import csv# KNN算法 def knn(x_test, x_data, y_data, k):'''x_test:測試數(shù)據(jù)x_data:已知數(shù)據(jù)y_data:已知數(shù)據(jù)的標(biāo)簽K：選擇K個(gè)最近的實(shí)例返回k個(gè)中標(biāo)簽最多的類別'''# 計(jì)算樣本數(shù)量x_data_size = x_data.shape[0]# 復(fù)制x_testnp.tile(x_test, (x_data_size,1))# 計(jì)算x_test與每一個(gè)樣本的差值diffMat = np.tile(x_test, (x_data_size,1)) - x_data# 計(jì)算差值的平方sqDiffMat = diffMat**2# 求和sqDistances = sqDiffMat.sum(axis=1)# 開方distances = sqDistances**0.5# 從小到大排序sortedDistances = distances.argsort()classCount = {}for i in range(k):# 獲取標(biāo)簽votelabel = y_data[sortedDistances[i]]# 統(tǒng)計(jì)標(biāo)簽數(shù)量classCount[votelabel] = classCount.get(votelabel,0) + 1# 根據(jù)operator.itemgetter(1)-第1個(gè)值對classCount排序，然后再取倒序sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1), reverse=True)# 獲取數(shù)量最多的標(biāo)簽return sortedClassCount[0][0]if __name__ == "__main__":# 載入數(shù)據(jù)data = np.genfromtxt("C:\\Users\\User\\Desktop\\train.csv",delimiter=",")x_data = data[1:,1:21] # 全部特征值y_data = data[1:,21] # 價(jià)格檔位# 測試數(shù)據(jù)unknown_data = np.genfromtxt("C:\\Users\\User\\Desktop\\test.csv",delimiter=",")test_data = unknown_data[1:,1:21]# 將每行數(shù)據(jù)進(jìn)行對比并寫入一個(gè)新的文檔，遍歷做法for j in range(len(test_data) - 1):x_test = test_data[j:j+1, :21]result = []result.append(knn(x_test, x_data, y_data, 5))output = (',').join(str(i) for i in result) # 去掉中括號# 寫入數(shù)據(jù)namefile = open("C:\\Users\\User\\Desktop\\result.csv", 'a') # 以'w'的方式打開會覆蓋以前的數(shù)據(jù) 以'a'寫入，若存在，則在末尾追加寫入namefile.write(str(output))namefile.write('\n') # 換行namefile.close()

最后預(yù)測結(jié)果會在result.csv文件里面，我這里是用一個(gè)新的文件寫入。

總結(jié)

以上是生活随笔為你收集整理的电动汽车价格预测的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。