一、研究内容及目标概述
（一）研究的主要内容：
1.多源数据收集与预处理：明确多维度数据来源，通过Python爬虫获取汽车之家、懂车帝等垂直平台的车型参数、月度/周度销量及售价数据；并采用Pandas库开展数据清洗，运用均值填充法或插值法处理缺失值，通过Z-score标准化实现数据归一化，构建高质量数据集。
2. 汽车销量影响因素分析：基于预处理后的数据，运用Pearson相关性分析筛选与销量关联度较高的初始特征；结合XGBoost和随机森林的特征重要性评估结果，剔除冗余特征，构建涵盖品牌、价格、车型属性、消费者行为等维度的影响因素体系，明确各因素与销量的关联机制。
3.机器学习预测模型构建与优化：选取ARIMA、XGBoost、随机森林三种典型算法，分别基于Scikit-learn、Statsmodels等工具搭建基础预测模型；针对单一模型局限，探索XGBoost与其他算法的组合策略，通过网格搜索法优化XGBoost的学习率、树深度、迭代次数等超参数，结合特征工程提升模型性能。
4.模型验证与对比分析：采用7:3比例划分训练集与测试集，结合滚动窗口交叉验证避免数据泄露；选取均方误差（MSE）、平均绝对误差（MAE）、决定系数（R²）、平均绝对百分比误差（MAPE）作为核心评估指标，对比不同模型的预测精度、稳定性及泛化能力，确定最优预测模型并分析其优势。
（二）达到的目标：
1.数据集构建目标：完成2020-2024年多维度汽车销量数据集构建，涵盖多个主流品牌、多款代表性车型的销售数据及对应影响因素数据，关键指标缺失情况得到有效控制，异常值处理效果良好，标准化后数据分布均匀，完全满足建模要求。
2.模型性能目标：构建多种预测模型，包括ARIMA、XGBoost、随机森林及组合模型，最优模型在测试集上预测精度高、拟合效果好，误差控制在较低水平，泛化能力强，性能显著优于基础模型。
3.影响因素分析目标：精准识别多项影响汽车销量的关键因素，明确政策补贴、汽车属性、汽车品牌、车型售价等核心因素的影响方向及程度，特征重要性排序与市场实际及现有研究结论具有较高一致性。
4.成果产出目标：形成1份完整的模型构建与预测分析报告，包含数据处理流程、模型细节、评估结果及可视化图表；完成毕业论文初稿撰写，研究过程可复现，预测建议具备实际应用价值。
二、研究任务及实施计划
（一）研究任务：
1.前期准备任务：系统梳理汽车销量预测、XGBoost算法及模型评估相关国内外文献，完成不少于30篇核心文献的综述；设计多源数据收集方案，明确各数据来源的获取方式、更新频率及权限要求，编制数据收集清单。
2.数据处理任务：执行数据爬取与官方数据对接，完成原始数据汇总；开展数据清洗、缺失值修复、异常值处理及标准化操作，生成最终数据集并撰写数据预处理报告；通过探索性数据分析挖掘数据分布特征、趋势及相关性，形成可视化分析图表。
3.模型研发任务：完成特征工程全流程，包括特征筛选、构建及降维，输出特征重要性评估报告；搭建基础模型并完成参数初始化，通过交叉验证迭代优化超参数，记录各轮次模型性能数据；设计组合模型融合策略并实现建模，完成模型性能初步测试。
4.评估与分析任务：建立多维度模型评估体系，开展各模型横向对比实验，形成性能对比报告；基于最优模型开展销量预测，结合SHAP值分析关键因素影响机制；整理研究数据、代码及实验记录，确保研究可复现。
5.成果总结任务：撰写毕业论文初稿，包含文献综述、数据处理、模型构建、实验分析等核心章节；制作研究过程中的代码注释文档、数据集说明文档及模型使用手册；根据指导意见修改论文，完善实验细节及分析结论。
（二）实施进度计划：
指导教师下达任务时填写 指导教师检查学生完成情况后填写
时间 进度与阶段任务 检查时间 任务完成情况 存在的问题及下一步要求
2025年7月-2025年8月 文献调研与方案设计
2025年9月 数据收集与预处理
2025年10月 特征工程与基础模型构建
2025年11月-2025年12月 优化建模与模型评估以及结果分析
2026年1月-2026年2月 论文修改与成果完善
2026年3月 答辩准备与成果提交