如題！做的是定價模型，首先考慮這不是一個分類問題，而是一個迴歸模型。

鑑於此，推薦考慮兩種演算法來做模型：迴歸演算法和KNN迴歸演算法。

迴歸演算法算是機器學習模型中最簡單，最直觀，最常用，也是最好解釋的演算法了。

首先，你已經有相關資料，有訓練集，二手車的資料，我覺得應該是連續型資料比較多，離散型資料比較少，這樣直接透過資料擬合得出模型方程，可以直觀的預測新上架的二手車價格。

另外迴歸分析做起來也非常簡單，Excel就可以擬合迴歸方程。

什麼是KNN？就是K近鄰演算法，KNN演算法不是一直用來分類的嗎？不要疑惑，K近鄰也可以用來做迴歸演算法。原理也好理解，就是透過找出一個新樣本的k個最近鄰居，將這些鄰居的價格的平均值賦給該樣本，就可以得到該樣本的價格。

如果你覺得直接回歸分析擬合方程太簡單，又或者訓練集無法擬合成線性方程無法滿足需求，你可以再嘗試一下這個演算法。

二手車資料應該還是有不少離散資料，比如，是否出現事故，品牌等等，這個時候很可能無法擬合成線性的方程。

KNN演算法可以非常好的解決非線性迴歸問題。

這個時候Excel無法做，可以使用python的scikit-learn庫，其提供了各種演算法的介面，包括KNN分類演算法和迴歸演算法

先不要考慮什麼演算法，先去了解一下汽車估價的基本流程，需要考慮哪些方面，比如品牌，年限，型號，產地等等。在這些資料基礎上，進行人工評估，然後再進一步分類，最後才是演算法。