基于网络搜索数据的品牌汽车销量预测研究

摘要

随着大数据时代的到来,基于网络数据的应用研究已成为热点。以品牌汽车销量预测为目标,将传统相关性分析与基于LASSO的特征选择方法相结合,选取相关品牌的网络搜索数据关键特征,而后建立了LASSO线性回归、支持向量回归和随机森林三种机器学习预测模型,并与传统ARIMA模型进行比较分析。实验结果表明,随机森林模型的预测平均误差为6.4%,比ARIMA模型降低了12.2个百分点,预测结果可为汽车企业生产规划和制定营销方案提供有效的决策支持。