我从两个不同的网站上收集了二手车数据及其价格。然后，我清理了数据，以便两个站点的列均相同。列如下：
brand | model | year | kilometers | transmission | gas_type | type | price
使用scikit-learn决策树分类器，我如何预测哪种车最适合将一个站点转售给另一个站点？
我已经使用分类器来预测未来价格，并且获得了每个数据集的价格最重要的功能，但是我不确定如何找到理想的汽车进行转售或如何找到最佳参数来导致汽车在一个站点上便宜而在另一个站点上昂贵？
答案 0 :(得分：0)
通常您不能使用决策树来做到这一点，我不会说这是不可能的，当然，就像每次对一列进行预测一样，但是应用起来很困难而且时间长，或者甚至有时没有意义
我可以建议您使用递归神经网络和 LSTM 进行此操作的方法，这种模型可以进行4种预测{{1} }，您可以使用一种或多种方式：将价格作为输入，并获取品牌名称，型号，年，公里，变速器和类型作为输出
当然，您不会像“决策树”那样做，神经网络只接受数字，因此您必须寻找进行转化的方法