18、汽车拍卖价格预测：特征工程、超参数调优与Keras模型改进

汽车拍卖价格预测：特征工程、超参数调优与Keras模型改进

1. 特征工程与模型性能提升

在处理汽车拍卖价格预测问题时，首先进行了一系列特征工程操作以提升模型性能。

1.1 创建新特征

创建了新列 model_trim ，它由 model 和 trim 列的值拼接而成，并将其转换为小写，以避免大小写差异导致的特征值不同。同样，对 color 和 interior 特征也进行了类似的特征交叉操作，创建了 color_interior 列。

# 假设 df 是数据集
df['model_trim'] = df['model'] + '_' + df['trim']
df['model_trim'] = df['model_trim'].str.lower()
df['color_interior'] = df['color_interior'].str.lower()

1.2 更新分类特征列表

将新创建的特征交叉列添加到分类特征列表 categorical_columns 中。

categorical_columns = ['make', 'model', 'trim', 'model_trim', 'body',