隨著經(jīng)濟(jì)飛速發(fā)展和城市化進(jìn)程推進(jìn),商品房價格不斷上漲,租房居住的生活方式被越來越多的人所接受。在住房租賃市場中存在著房東和租客信息不對稱的問題:一方面,房東不能對出租房屋的租金進(jìn)行合理準(zhǔn)確的評估;另一方面,租客很難找到滿足自身居住需求的高性價比房屋,這種信息不對稱在一定程度上造成了租房資源的浪費(fèi)。為解決住房租賃市場這一痛點(diǎn),及時把控住房租賃市場價格走勢,就需要對住房租金進(jìn)行分析預(yù)測,對住房租金預(yù)測模型進(jìn)行研究,以期構(gòu)建出具有較好預(yù)測效果且具有較大實際應(yīng)用價值的住房租金預(yù)測模型。本文采用的數(shù)據(jù)集為來源于DataCastle平臺的住房基本信息數(shù)據(jù)。在大數(shù)據(jù)背景下,本文首先對房屋信息數(shù)據(jù)進(jìn)行預(yù)處理,將其轉(zhuǎn)化成Python語言能夠分析和處理的格式化數(shù)據(jù),然后針對數(shù)據(jù)分布及數(shù)據(jù)的不同統(tǒng)計指標(biāo)進(jìn)行分析,進(jìn)而得出數(shù)據(jù)本身的統(tǒng)計特性。通過特征工程選擇出特征,用來訓(xùn)練和擬合模型。利用特征清洗、特征無量綱化、特征歸一化、特征二值化、特征的虛擬變量編碼對特征進(jìn)行處理與構(gòu)造;利用Python提供的的seaborn和matplotlib包等使數(shù)據(jù)可視化,繪制相關(guān)圖,對各個特征進(jìn)行分析;在進(jìn)行特征選擇的過程中,本...

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 文獻(xiàn)綜述總結(jié)
    1.3 研究目標(biāo)
    1.4 研究內(nèi)容
    1.5 研究意義
    1.6 論文組織結(jié)構(gòu)
    1.7 本章小結(jié)
第二章 研究基礎(chǔ)
    2.1 數(shù)據(jù)挖掘概述
        2.1.1 數(shù)據(jù)挖掘概念
        2.1.2 數(shù)據(jù)挖掘主要任務(wù)
        2.1.3 數(shù)據(jù)挖掘一般過程
        2.1.4 數(shù)據(jù)挖掘算法基本特征
    2.2 分類算法
        2.2.1 決策樹算法
        2.2.2 從決策樹到隨機(jī)森林
        2.2.3 隨機(jī)森林算法
    2.3 回歸模型
        2.3.1 簡單線性回歸模型
        2.3.2 嶺回歸模型
        2.3.3 隨機(jī)森林回歸模型
        2.3.4 回歸模型對比
    2.4 本章小結(jié)
第三章 基于隨機(jī)森林回歸模型的住房租金預(yù)測模型構(gòu)建
    3.1 數(shù)據(jù)獲取與處理
        3.1.1 數(shù)據(jù)獲取與準(zhǔn)備
        3.1.2 數(shù)據(jù)預(yù)處理
    3.2 特征工程
        3.2.1 特征處理與構(gòu)造
        3.2.2 特征分析
        3.2.3 特征選擇
    3.3 隨機(jī)森林回歸模型的構(gòu)建
    3.4 隨機(jī)森林回歸模型的優(yōu)化
    3.5 本章小結(jié)
第四章 實驗結(jié)果與分析
    4.1 實驗設(shè)定
        4.1.1 實驗環(huán)境
        4.1.2 實驗數(shù)據(jù)集
        4.1.3 實驗評價指標(biāo)
        4.1.4 實驗方法
    4.2 實驗結(jié)果分析
        4.2.1 結(jié)果比較
        4.2.2 參數(shù)調(diào)優(yōu)
    4.3 本章小結(jié)
第五章 總結(jié)與展望
    5.1 回顧與總結(jié)
    5.2 未來工作展望
參考文獻(xiàn)
致謝



本文編號：3837619