我國共享住宿行業(yè)如今發(fā)展可觀,但易受國內大環(huán)境影響,存在諸多不確定性。在線短租作為共享住宿的具體表現(xiàn)形式,憑借其性價比高、服務周到、給房客不一樣的入住體驗的特點優(yōu)勢,受到越來越多房客的歡迎。本文針對小豬短租平臺上北京市在線短租房數(shù)據(jù),構建多個機器學習模型,對在線短租房日租價格進行預測,比較得出預測效果最優(yōu)模型,最后根據(jù)最優(yōu)模型獲得短租房價格的影響因素。這既為帶房入駐短租平臺的房主對自身產品的定價提供參考,幫助其做出更好的決策,也幫助房客根據(jù)自身需求事先了解房租價格,降低交易風險。本文利用八爪魚爬蟲軟件爬取到北京市在線短租房信息數(shù)據(jù)。首先對原數(shù)據(jù)做手動填補數(shù)據(jù)缺失值、識別數(shù)據(jù)異常值并做修改剔除處理、變量提取、分類變量有無序判斷、無序分類變量啞變換、地區(qū)變量取值縮減、價格變量對數(shù)化、連續(xù)變量標準化等工作,使原始數(shù)據(jù)成為可用于構建模型的數(shù)據(jù)。然后對數(shù)據(jù)自變量和因變量分別做描述性統(tǒng)計分析,其中將自變量分成五類屬性指標,分別是房屋內部屬性、區(qū)位屬性、服務保障屬性、限制屬性和評價屬性。接著將原始數(shù)據(jù)劃分成訓練集和測試集,在訓練集上運用帶L1懲罰項的Lasso特征選擇函數(shù)對原始數(shù)據(jù)的特征變量進行選擇,...

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【部分圖文】：

圖1.12017-2019年我國共享住宿市場交易額和融資情況

2圖1.12017-2019年我國共享住宿市場交易額和融資情況資料來源：國家信息中心分享經濟研究中心,《中國共享住宿發(fā)展報告2020》,2020年圖1.22017-2019年我國共享住宿市場參與人數(shù)發(fā)展概況資料來源：國家信息中心分享經濟研究中心,《中國共享住宿發(fā)展報告2020》,....

圖1.22017-2019年我國共享住宿市場參與人數(shù)發(fā)展概況資料來源：國家信息中心分享經濟研究中心,《中國共享住宿發(fā)展報告2020》,2020年

2圖1.12017-2019年我國共享住宿市場交易額和融資情況資料來源：國家信息中心分享經濟研究中心,《中國共享住宿發(fā)展報告2020》,2020年圖1.22017-2019年我國共享住宿市場參與人數(shù)發(fā)展概況資料來源：國家信息中心分享經濟研究中心,《中國共享住宿發(fā)展報告2020》,....

圖3.1清潔費記錄比較

213.2數(shù)據(jù)清洗與變量轉化3.2.1缺失數(shù)據(jù)填充對數(shù)據(jù)分析來說，數(shù)據(jù)缺失會導致分析結果丟失大量潛在信息，使模型呈現(xiàn)較大程度的不確定性，最后輸出錯誤值。因此，在數(shù)據(jù)不完備的情況下，一般采用以下幾種方法處理缺失值：刪除缺失數(shù)據(jù)記錄、補齊缺失數(shù)據(jù)、不做處理。其中補齊缺失數(shù)據(jù)的方法有：....

圖3.2小豬短租網頁與APP頁面比較

22圖3.2小豬短租網頁與APP頁面比較資料來源：小豬短租網，小豬民宿APP3.2.2異常值處理（1）因變量異常值異常值代表那些有明顯偏離現(xiàn)象的觀測值。在處理異常值時，先分析異常值出現(xiàn)的原因，如果是符合邏輯的正確的數(shù)據(jù)，那就對所謂的“異常值”采取保留處理，可以直接在有“異常值”的....

本文編號：4020990