Python 机器学习-寻找最好的汽车转售

我从两个不同的网站收集了二手车的数据和价格。然后我清理了数据，使其在两个站点上具有相同的列。各栏如下：

品牌|车型|年|公里|传输|燃气|型|价格

使用scikit学习决策树分类器，我如何预测哪些汽车最好在一个站点转售给另一个站点

---

我使用Classifier预测了未来的价格，并获得了每个数据集的最重要的价格特性，但我不确定如何才能找到一辆完美的汽车进行转售，或者如何才能找到最佳参数，从而使汽车在一个站点上价格便宜，而在另一个站点上价格昂贵

通常情况下，决策树无法做到这一点，我不会说这是不可能的，当然这就像每次预测一列，但很难应用，而且很长，有时甚至毫无意义

我可以建议你一种使用LSTM的递归神经网络的方法，这种模型可以做出4种预测{一对一，一对多，多对一，多对多}，在你的例子中，你可以使用一对多：输入价格，得到品牌名称，型号，年份，公里数，作为输出的传输和类型

---

当然，你不会用决策树的方法来做，神经网络只需要数字，所以你必须寻找进行转换的方法

你能解释更多吗，我的意思是，你想要什么作为输出？作为输出，我想得到品牌名称、型号、年份、公里数，传输和类型，这将告诉我们，这种汽车将是廉价的购买一个网站，我们可以转售它的最高利润在另一个网站上。换句话说，我们可以在一个网站上花1000美元买一辆车，然后在另一个网站上花1200美元转售。我现在明白了，我回答了你的问题