發(fā)布時間：2024-10-03 02:46

　　 基于小豬平臺的微觀數(shù)據(jù),挖掘在線短租服務(wù)的決定因素。運用python網(wǎng)絡(luò)爬蟲技術(shù)獲得房源的有關(guān)數(shù)據(jù),對影響因子進行Lasso變量識別和決策樹CART算法的預(yù)測。研究結(jié)果表明,訂單的接受率、價格、點評數(shù)、交通位置和是否為超棒房東這五個變量對房源的訂單量有顯著影響。運用決策樹CART算法對識別后的變量進行預(yù)測,研究結(jié)果顯示,決定性影響因素模擬的訂單量預(yù)測值能夠很好的擬合真實值,進一步證明了在線短租共享服務(wù)的決定性因素甄別的合理性。

【文章頁數(shù)】：4 頁

【部分圖文】：

圖1Lasso-CART決策樹模型預(yù)測值和真實值的比較

1.預(yù)測模型的建立.根據(jù)變量識別的Lasso回歸結(jié)果,選擇以上八個顯著影響因子作為決策樹預(yù)測模型的輸入變量,對短租的訂單量進行預(yù)測。在建立Lasso-CART預(yù)測模型過程中,將房源數(shù)據(jù)的150個樣本按照7:3的比例隨機分成訓(xùn)練集和測試集。對訓(xùn)練集建立CART決策樹模型,每個訓(xùn)練樣....

圖2組合預(yù)測模型的比較

2.預(yù)測模型的檢驗.為了更好的檢驗Lasso-CART決策樹模型的預(yù)測效果,將Lasso-CART決策樹模型和Lasso-SVM支持向量機、Lasso-線性回歸模型做比較研究。如圖2所示,Lasso-CART決策樹模型在測試樣本中預(yù)測值和真實值之間相差最小。對比表3中三種組合模型....

本文編號：4006662