北京市在线短租房价格预测研究

发布时间：2024-12-27 02:16

　　我国共享住宿行业如今发展可观,但易受国内大环境影响,存在诸多不确定性。在线短租作为共享住宿的具体表现形式,凭借其性价比高、服务周到、给房客不一样的入住体验的特点优势,受到越来越多房客的欢迎。本文针对小猪短租平台上北京市在线短租房数据,构建多个机器学习模型,对在线短租房日租价格进行预测,比较得出预测效果最优模型,最后根据最优模型获得短租房价格的影响因素。这既为带房入驻短租平台的房主对自身产品的定价提供参考,帮助其做出更好的决策,也帮助房客根据自身需求事先了解房租价格,降低交易风险。本文利用八爪鱼爬虫软件爬取到北京市在线短租房信息数据。首先对原数据做手动填补数据缺失值、识别数据异常值并做修改剔除处理、变量提取、分类变量有无序判断、无序分类变量哑变换、地区变量取值缩减、价格变量对数化、连续变量标准化等工作,使原始数据成为可用于构建模型的数据。然后对数据自变量和因变量分别做描述性统计分析,其中将自变量分成五类属性指标,分别是房屋内部属性、区位属性、服务保障属性、限制属性和评价属性。接着将原始数据划分成训练集和测试集,在训练集上运用带L1惩罚项的Lasso特征选择函数对原始数据的特征变量进行选择,...

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图1.12017-2019年我国共享住宿市场交易额和融资情况

2图1.12017-2019年我国共享住宿市场交易额和融资情况资料来源：国家信息中心分享经济研究中心,《中国共享住宿发展报告2020》,2020年图1.22017-2019年我国共享住宿市场参与人数发展概况资料来源：国家信息中心分享经济研究中心,《中国共享住宿发展报告2020》,....

图1.22017-2019年我国共享住宿市场参与人数发展概况资料来源：国家信息中心分享经济研究中心,《中国共享住宿发展报告2020》,2020年

2图1.12017-2019年我国共享住宿市场交易额和融资情况资料来源：国家信息中心分享经济研究中心,《中国共享住宿发展报告2020》,2020年图1.22017-2019年我国共享住宿市场参与人数发展概况资料来源：国家信息中心分享经济研究中心,《中国共享住宿发展报告2020》,....

图3.1清洁费记录比较

213.2数据清洗与变量转化3.2.1缺失数据填充对数据分析来说，数据缺失会导致分析结果丢失大量潜在信息，使模型呈现较大程度的不确定性，最后输出错误值。因此，在数据不完备的情况下，一般采用以下几种方法处理缺失值：删除缺失数据记录、补齐缺失数据、不做处理。其中补齐缺失数据的方法有：....

图3.2小猪短租网页与APP页面比较

22图3.2小猪短租网页与APP页面比较资料来源：小猪短租网，小猪民宿APP3.2.2异常值处理（1）因变量异常值异常值代表那些有明显偏离现象的观测值。在处理异常值时，先分析异常值出现的原因，如果是符合逻辑的正确的数据，那就对所谓的“异常值”采取保留处理，可以直接在有“异常值”的....

本文编号：4020990