Vehicle Price Prediction System using Machine Learning Techniques

Noor, Kanwal; Jan, Sadaqat

doi:10.5120/ijca2017914373

Cited by 42 publications

(16 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Multiple regression models help in the classification of numerical values when there is more than one independent variable with one dependent variable. Noor et al [6], hence, use this model to evaluate the prediction using https://www.pakwheels.com/ dataset. The authors use data-set of 2000 records collected within the duration of one or two months.…”

Section: Related Workmentioning

confidence: 99%

How Much Is My Car Worth? A Methodology for Predicting Used Cars’ Prices Using Random Forest

Pal

Arora

Kohli

et al. 2018

Advances in Intelligent Systems and Computing

View full text Add to dashboard Cite

Cars are being sold more than ever. Developing countries adopt the lease culture instead of buying a new car due to affordability. Therefore, the rise of used cars sales is exponentially increasing. Car sellers sometimes take advantage of this scenario by listing unrealistic prices owing to the demand. Therefore, arises a need for a model that can assign a price for a vehicle by evaluating its features taking the prices of other cars into consideration. In this paper, we use supervised learning method namely Random Forest to predict the prices of used cars. The model has been chosen after careful exploratory data analysis to determine the impact of each feature on price. A Random Forest with 500 Decision Trees were created to train the data. From experimental results, the training accuracy was found out to be 95.82%, and the testing accuracy was 83.63%. The model can predict the price of cars accurately by choosing the most correlated features.

show abstract

Section: Related Workmentioning

confidence: 99%

How Much Is My Car Worth? A Methodology for Predicting Used Cars’ Prices Using Random Forest

Pal

Arora

Kohli

et al. 2018

Advances in Intelligent Systems and Computing

View full text Add to dashboard Cite

show abstract

“…Популярним є створення й використання веб-сайтів, де можна підібрати оптимальні для себе параметри та вибрати такий автомобіль. Накопичена вже чимала статистика таких даних, яка робить можливим застосування інтелектуальних методів їх аналізу та передбачення ціни автомобіля за його характеристиками [3]. А це, у свою чергу, дозволяє виявити деякі закономірності щодо формування цієї ціни та краще вибирати маркетингову політику щодо них.…”

Section: вступunclassified

Intellectual Technology of Analysis and Price Forecasting of Used Cars

Mokin¹,

Losenko²,

Dratovanyi³

2019

VVPI

View full text Add to dashboard Cite

1 Вінницький національний технічний університет Для вигідного продажу вживаного автомобіля слід керуватись не лише власною оцінкою або оцінкою сторонніх експертів, але й використовувати всі інші придатні для цього ресурси. Такими ресурсами можуть слугувати системи передбачення ціни, які за допомогою загальних ознак того чи іншого автомобіля (як-от виробник автомобіля, модель автомобіля, пробіг, вид палива, тип кузова тощо) здатні прогнозувати можливу ціну автомобіля. Такі системи можуть допомогти під час прийняття рішень не лише пересічним продавцям вживаних авто, а й агентствам, які займаються замовленням та масовим перевезенням вживаних авто з-за кордону. Для вибору ключових ознак та ідентифікації за ними оптимальної структури і параметрів моделей необхідно вибрати релевантні датасети, провести їх розвідувальний аналіз та відбір ознак, побудувати моделі машинного навчання, з яких вибрати оптимальну за певними критеріями. Для побудови інформаційної системи та перевірки працездатності запропонованої інтелектуальної технології вибрано два зіставні датасети по вживаних автомобілях США та України. Здійснено систематизацію методів та бібліотек на Python для проведення розвідувального аналізу даних і сформульовано загальні рекомендації щодо їх застосування для поставленої задачі. Запропоновано загальні принципи інтелектуальної технології, яка апробована на відібраних датасетах. Зокрема, проведено розвідувальний аналіз даних по США та обґрунтовано правило для фільтрування аномальних, а можливо й помилкових, даних. Вибрано множину можливих моделей, здійснено їх тренування та вибрано оптимальну серед них за R 2 -критерієм. Здійснено передбачення вартості авто, з точністю 86,1 %. Аналогічна задача розв'язана і для даних по Україні. Досягнуто точність 85,6 %. Це довело працездатність запропонованої технології та дозволило отримати корисні для використання на практиці результати.

show abstract

“…This research was limited because the actual house price were missing and only estimated prices were used for the research work [4]. K Noor and Saddaqat J [5] also worked to predict the price of Vehicles using different techniques. The researchers achieved highest accuracy using multiple linear regression.…”

Section: Previous Workmentioning

confidence: 99%

“…The researchers achieved highest accuracy using multiple linear regression. This paper proposes a system where price is dependent variable which is predicted, and this price is derived from factors like vehicle's model, make, city, version, color, mileage, alloy rims and power steering [5].…”

Section: Previous Workmentioning

confidence: 99%

Mobile Price Class prediction using Machine Learning Techniques

Asim¹,

Khan²

2018

IJCA

View full text Add to dashboard Cite

To predict "If the mobile with given features will be Economical or Expensive" is the main motive of this research work. Real Dataset is collected from website www.GSMArena.com . Different feature selection algorithms are used to identify and remove less important and redundant features and have minimum computational complexity. Different classifiers are used to achieve as higher accuracy as possible. Results are compared in terms of highest accuracy achieved and minimum features selected. Conclusion is made on the base of best feature selection algorithm and best classifier for the given dataset. This work can be used in any type of marketing and business to find optimal product(with minimum cost and maximum features). Future work is suggested to extend this research and find more sophisticated solution to the given problem and more accurate tool for price estimation. General TermsMachine Learning

show abstract

Vehicle Price Prediction System using Machine Learning Techniques

Cited by 42 publications

References 3 publications

How Much Is My Car Worth? A Methodology for Predicting Used Cars’ Prices Using Random Forest

How Much Is My Car Worth? A Methodology for Predicting Used Cars’ Prices Using Random Forest

Intellectual Technology of Analysis and Price Forecasting of Used Cars

Mobile Price Class prediction using Machine Learning Techniques

Contact Info

Product

Resources

About