[2] 결과 분석 및 실무 활용

1. 결과 분석

1.1 주요 변수

• 모델에서 도출된 변수 중요도:
  1. Year(제조 연도): 새로운 차량일수록 높은 가격.
  2. Mileage(주행 거리): 낮은 주행 거리가 높은 가격을 의미.
  3. FuelType(연료 종류): 디젤 차량이 평균적으로 가솔린보다 높은 가격.

---

1.2 시각화

• 변수 중요도를 바 그래프로 표현.
• 실제 가격과 예측 가격의 비교 그래프를 통해 모델의 정확성을 시각적으로 평가.

---

2. 실무 활용 가능성

2.1 중고차 시장

• 구매자와 판매자가 적정 가격을 판단하는 데 도움.
• 차량 상태와 연관된 데이터를 추가해 더 정확한 모델 생성 가능.

---

2.2 차량 제조업체

• 차량의 스펙별 시장 가치를 예측하여 제품 전략 수립.
• 특정 지역과 차량 타입에 맞춘 맞춤형 가격 모델 생성.

---

3. 향후 개선 방향

3.1 추가 데이터 확보

• 지역별 데이터나 차량 상태와 같은 추가 정보를 통합하여 모델 성능 향상.

3.2 실시간 가격 예측 시스템

• 웹 애플리케이션으로 구현하여 실시간으로 차량 데이터를 입력하고 가격을 예측하는 시스템 개발.

---

4. 마무리

이 프로젝트는 머신러닝 기술을 활용해 벤츠 차량의 가격을 예측하며, 차량 구매 및 판매 의사결정을 데이터 기반으로 지원할 수 있는 강력한 도구를 제공합니다.
특히, XGBoost 모델이 가장 높은 성능을 보였으며, 향후 데이터 확장 및 실시간 시스템 구현을 통해 더 많은 활용 가능성이 열려 있습니다.

 

https://github.com/siilver94/Benz-Vehicle-Price-Prediction/tree/main?tab=readme-ov-file

GitHub - siilver94/Benz-Vehicle-Price-Prediction