基于Lasso-XGBoost的共享住宿租房价格预测研究

发布时间：2024-06-08 00:55

　　随着共享经济的快速发展,共享住宿逐渐受到大众喜爱。本文根据爱彼迎柏林和上海地区的共享住宿租房数据,利用机器学习方法,建立共享住宿租房价格预测模型,具体的工作概述如下:(1)变量选取与数据预处理。结合以往学者的研究工作和所得数据,构建共享住宿租房价格预测的指标体系,对可读性不强的原始数据进行数据清洗,通过数据描述分析,初步探索共享住宿租房价格的影响因素;(2)共享住宿租房价格预测模型建立。利用Lasso回归筛选扩充后的变量,分别使用支持向量回归、随机森林回归、XGBoost回归预测共享住宿租房价格,以RMSE、MAE、MAPE三个指标对模型进行评估,结果表明Lasso-XGBoost回归预测模型的预测效果最好,对比单一模型其各项评估指标明显下降;(3)影响因素分析。通过分析Lasso-RF与Lasso-XGBoost预测模型的特征重要性,发现房屋因素和区位因素是影响柏林和上海地区共享住宿租房价格的主要因素,房东历史对租房价格具有正面影响。本文通过分析真实的数据,有效选取共享住宿租房的影响因素对其进行预测,能够为租客和房东提供价格参考,具有一定的实际应用意义。

【文章页数】：46 页

【学位级别】：硕士

【部分图文】：

图2-1套索回归原理图

暨南大学硕士学位论文8系数达到零值，故达不到缩减变量的目的。套索回归便于解释，同时又具有岭回归类似的稳定性，因此本文使用套索回归对各影响因素进行筛眩图2-1套索回归原理图2.2支持向量回归支持向量回归（SupportVectorRegression,SVR）是支持向量机重要的应用....

图2-2支持向量回归示意图

暨南大学硕士学位论文8系数达到零值，故达不到缩减变量的目的。套索回归便于解释，同时又具有岭回归类似的稳定性，因此本文使用套索回归对各影响因素进行筛眩图2-1套索回归原理图2.2支持向量回归支持向量回归（SupportVectorRegression,SVR）是支持向量机重要的应用....

图2-3决策树结构示意图

暨南大学硕士学位论文10习器，通过Bagging算法形成强学习器，并在训练过程中引入随机属性选择。2.3.1CART决策树决策树是一种基于“if-then-else”规则的有监督学习算法，通常由根节点、叶节点、内部节点组成，主要用于分类和回归。当待解决问题是回归问题时，称决策树为....

图2-4随机森林回归流程图

暨南大学硕士学位论文11$(,)=j|(")≤k,%(,)=j|(")>k+=1+h!=&∈?((",;),∈+,=1,2（3）继续对两个子区域调用步骤(1)(2)，直至满足停止条件；（4）将输入空间划分为N个区域$,%,…,@，生成决策树：()=h+(∈+)@+4$在不影响模型....

本文编号：3991215