ProbSAINT: Probabilistic Tabular Regression for Used Car Pricing

要約

中古車の価格設定は自動車業界にとって重要な要素であり、多くの経済要因や市場動向の影響を受けます。
最近のオンライン市場の急増と中古車の需要の増加により、正確な価格設定は公正な取引を保証することで買い手と売り手の両方に利益をもたらします。
ただし、機械学習を使用した自動価格設定アルゴリズムへの移行には、モデルの不確実性の理解、特にモデルが不確かな予測にフラグを立てる機能が必要です。
最近の文献では、迅速かつ正確な価格予測のためにブースティング アルゴリズムまたは最近傍ベースのアプローチの使用を提案していますが、そのようなアルゴリズムでモデルの不確実性をカプセル化することは複雑な課題を引き起こします。
ProbSAINT は、最先端のブースティング手法に匹敵する正確なポイント予測とともに、価格予測の不確実性を定量化するための原則に基づいたアプローチを提供するモデルです。
さらに、この企業は車両が売りに出されていた日数に基づいて中古車の価格を設定することを好むことを認識し、予想されるさまざまなオファー期間における価格確率を予測するための動的予測モデルとして ProbSAINT をどのように使用できるかを示します。
私たちの実験はさらに、ProbSAINT が確実性の高いインスタンスでは特に正確であることを示しています。
これは、信頼性が重要となる現実のシナリオにおける確率的予測の適用可能性を証明しています。

要約(オリジナル)

Used car pricing is a critical aspect of the automotive industry, influenced by many economic factors and market dynamics. With the recent surge in online marketplaces and increased demand for used cars, accurate pricing would benefit both buyers and sellers by ensuring fair transactions. However, the transition towards automated pricing algorithms using machine learning necessitates the comprehension of model uncertainties, specifically the ability to flag predictions that the model is unsure about. Although recent literature proposes the use of boosting algorithms or nearest neighbor-based approaches for swift and precise price predictions, encapsulating model uncertainties with such algorithms presents a complex challenge. We introduce ProbSAINT, a model that offers a principled approach for uncertainty quantification of its price predictions, along with accurate point predictions that are comparable to state-of-the-art boosting techniques. Furthermore, acknowledging that the business prefers pricing used cars based on the number of days the vehicle was listed for sale, we show how ProbSAINT can be used as a dynamic forecasting model for predicting price probabilities for different expected offer duration. Our experiments further indicate that ProbSAINT is especially accurate on instances where it is highly certain. This proves the applicability of its probabilistic predictions in real-world scenarios where trustworthiness is crucial.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google