新型租赁模式在线短租的决定性因素研究——以小猪短租平台为例

发布时间：2024-10-03 02:46

　　 基于小猪平台的微观数据,挖掘在线短租服务的决定因素。运用python网络爬虫技术获得房源的有关数据,对影响因子进行Lasso变量识别和决策树CART算法的预测。研究结果表明,订单的接受率、价格、点评数、交通位置和是否为超棒房东这五个变量对房源的订单量有显著影响。运用决策树CART算法对识别后的变量进行预测,研究结果显示,决定性影响因素模拟的订单量预测值能够很好的拟合真实值,进一步证明了在线短租共享服务的决定性因素甄别的合理性。

【文章页数】：4 页

【部分图文】：

图1Lasso-CART决策树模型预测值和真实值的比较

1.预测模型的建立.根据变量识别的Lasso回归结果,选择以上八个显著影响因子作为决策树预测模型的输入变量,对短租的订单量进行预测。在建立Lasso-CART预测模型过程中,将房源数据的150个样本按照7:3的比例随机分成训练集和测试集。对训练集建立CART决策树模型,每个训练样....

图2组合预测模型的比较

2.预测模型的检验.为了更好的检验Lasso-CART决策树模型的预测效果,将Lasso-CART决策树模型和Lasso-SVM支持向量机、Lasso-线性回归模型做比较研究。如图2所示,Lasso-CART决策树模型在测试样本中预测值和真实值之间相差最小。对比表3中三种组合模型....

本文编号：4006662