1 研究背景与分析目标汽车月度销量受到季节、品牌竞争、产品生命周期和外部环境共同影响。车系级销量预测可为库存计划、生产排期和营销资源配置提供参考。本案例不追求复杂算法而是强调清晰的数据流程、合理的时间划分和可解释的结果。2 数据来源与字段说明观察单位为“车系—月份”。字段包括车系、品牌、销售年月、车系类型、能源类型、车型尺寸、品牌原产国、车型上市年份、品牌成立年份及销量。原始数据无缺失值重复记录在建模前删除。字段含义车系具体车型系列品牌所属品牌销售年份/月份销量发生时间车系类型轿车、SUV或MPV品牌能源类型传统汽车品牌或新能源汽车品牌车型尺寸紧凑型、中型等品牌原产国品牌来源国家或地区销量车系当月销量完整代码数据集报告https://mbd.pub/o/bread/YZaUlJlrZw3 分析与建模流程流程依次为数据质量检查、市场探索分析、历史销量特征构造、按时间划分训练/验证/测试集、四种简单模型比较、测试集误差诊断。所有滞后和滚动特征均只使用当前月份以前的数据。3.1数据质量检查原始数据包含39,496条记录和12个字段各字段均不存在缺失值共发现4条完全重复记录。重复比例很低但重复记录会改变样本权重因此建模前删除保留39,492条唯一记录。3.2.年度销量与同比变化年度销量在2017年达到样本期高位2019—2020年出现回落2021年后恢复。年度变化并非稳定直线因此预测不能只依赖年份趋势必须结合车型自身的近期销量。3.3 月度销量趋势3.4 月份季节性12月的单车系平均销量最高约4,681辆2月最低约2,736辆。月份差异说明春节、年末促销和购车节奏会形成周期性因此模型加入月份、季度和正余弦周期特征。3.5年度—月份热力图多数年份的2月颜色偏浅而9—12月通常更深季节模式具有一定重复性但相同月份在不同年份的强度仍有差异说明宏观环境和产品结构也会改变销量水平。3.6车系类型销量结构轿车销量占比约49.2%SUV约44.0%两者构成主要市场。MPV样本与销量占比较低模型对该类别的预测稳定性通常弱于主流类别。3.7车型尺寸销量结构3.8能源类型份额变化3.9品牌原产国销量中国品牌累计销量位居前列德国和日本品牌也占有较大市场。原产国可以反映整体品牌基础但同一国家内部品牌差异较大因此仍需保留品牌和车系信息。3.10.头部品牌销量3.11历史销量特征相关性当前销量与上月销量相关系数为0.92与近3个月滚动均值相关系数为0.92。近期销量是最重要的预测依据滚动统计均先后移1个月避免使用当月目标信息。4 特征工程与时间划分• 滞后销量前1、2、3、6和12个月销量• 滚动均值过去3个月和6个月平均销量计算前先后移1个月• 时间特征年份、月份、季度和月份正余弦• 生命周期车型上市年限、品牌成立年限和历史月份数• 变化指标上月销量相对于前两月的变化比例• 类别变量车系、品牌、类型、能源、尺寸和原产国4.1 时间划分训练集2016—2020年共25,770条记录。验证集2021年共5,964条记录用于选择模型。测试集2022年共6,521条记录仅用于最终评价。4.2 模型设置上月销量基线直接使用上一月销量作为预测。岭回归作为线性模型基线处理多类别特征。决策树最大深度12叶节点至少10条样本。随机森林60棵树最大深度16不进行参数搜索。5 验证集模型结果模型MAERMSER²RMSLE随机森林1,100.92,255.60.84701.1013岭回归1,192.32,320.10.83812.2670决策树1,216.32,454.80.81881.1447上月销量基线1,249.52,646.90.78931.08605.1简单模型验证结果比较2021年验证集上随机森林的RMSE最低为2,256辆R²为0.847。上月销量基线已经较强随机森林在不进行复杂调参的情况下进一步改善结果。5.2 2022年独立测试结果MAERMSER²RMSLE964.32,160.30.83911.03795.3真实销量与预测销量月度总量预测5.4随机森林特征重要性5. 5不同销量区间的预测误差\随着真实销量区间上升平均绝对误差明显增大。低销量样本数量多但单条误差较小高销量车型数量少却对RMSE贡献更大业务应用中应对不同销量层级设置不同误差容忍范围。7 结论与改进方向7.1 主要结论样本覆盖2016—2022年数据完整仅有4条重复记录。12月平均销量最高2月最低季节性明显。。。。。7.2 案例局限性数据没有价格、折扣、促销、库存和产能字段。。。。。。7.3 后续可扩展方向具体细节见原文创造不易谢谢各位多多点赞收藏