İkinci El Araba Fiyatlarının Tahmini

Özet

Günümüz ekonomik koşullarında, ikinci el ürünlere ilgi daha da artmıştır. Özellikle ikinci el araba ya da araçların geniş bir müşteri tabanı bulunmaktadır. Böyle bir pazara sahip olan sektörde hızlı satış yapabilmek, doğru fiyatlandırma yapmak, doğru fiyattan alışveriş yapabilmek için araçların ideal fiyatları hesaplamak büyük önem taşımaktadır. Bu gibi durumlarda kullanılan lineer regresyon analizi ile önce fiyat üzerinde etkisi olan değişkenlerin tespiti sonra tahminleme modeli kurulup fiyat hesaplamak mümkündür. Bu çalışmada, fiyat, marka ve model yılı gibi fiyatı etkileyen 5041 ikinci el otomobile ait 78 değişkenden 23'ü belirlenerek model oluşturulmuştur. Bu 23 değişkenin Açıklayıcılık Oranı ($R^2$ ) %89,1 olarak bulunmuştur. Daha sonra, bu regresyon modeli kullanılarak, araçların ikinci el fiyatları makine öğrenme algoritması ile tahmin edilmiştir. Veri seti eğitim ve test verileri olarak ikiye ayrılmıştır (%70-30 ve %80-20). Çalışma sonucunda gerçek değerler ile hesaplanan değerler arasındaki yakınlıklar tespit edilmiştir. Çalışma sonucunda hesaplanan yakınlık oranı (±%), tahmin sonuçlarının gerçek sonuçlara yakınlık derecesini göstermektedir. Makine öğrenmesi sonucu oluşturulan tahmin modeli ile doğru sonuçların %10 yakınlık derecesine göre (üst limit; %110, alt limit; %90) tahmin başarı oranı %81,15 olarak bulunmuştur. Elde edilen sonuçlara göre, ikinci el araba fiyatlarının tahmininde makine öğrenme tekniğinin ikinci el olabileceği düşünülmektedir. Fakat daha fazla birim sayısına sahip bir veri seti ve farklı değişkenler ile daha iyi tahmin oranlarına ulaşmak mümkündür.

Abstract

In today's economic conditions, interest in second hand products has increased. Especially second-hand car or vehicles have a widecustomer base. In the sector which has a workshop market, it is very important to make fast sales, to make the right pricing and tocalculate the ideal prices of the cars in order to exchange at the right price. With linear regression analysis second-hand in such casesfirst determination of variables with effect on price, then it is possible to calculate the price by establising estimating model. In thisstudy, the model was established by determining 23 of 78 variables affecting the price such as price, brands and model years of 5041second-hand cars. The Determination Rate ($R^2$) of these 23 variables was found to be 89.1%. Then, by using this regression model,second hand prices of the cars were estimated via machine learning algorithm. The data set is divided into two as training and test data(70-30% and 80-20%). As a result of the study, it was determined the affinities between the real values and the estimated values. Theproximity rate (±%) calculated in result of study shows affinity intensity of the estimation results to the true results. Via the predictionmodel established as a result of machine learning, the predictive accuracy rate was found to be 81.15% according to the 10%proximity of the correct results (upper limit; 110%, lower limit; 90%). According to the results, it is thought that machine learningtechnique could be second-hand to estimate second hand car prices. However, it is possible to reach a better estimation rate with adata set with more units and different variables.