住房月租金预测

最新推荐文章于 2023-03-15 16:16:35 发布
最新推荐文章于 2023-03-15 16:16:35 发布
阅读量1.2k 收藏 12
点赞数 2
分类专栏： machine learning python 文章标签： python 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_45004761/article/details/114866392
版权
该项目旨在通过历史数据建立回归模型，预测住房月租金，解决租房市场信息不对称问题。数据包含18个特征，存在缺失值。进行了EDA、异常值清洗、缺失值填充、特征工程和模型调优，使用了XGBoost等方法，评估指标为均方根误差。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

住房月租金预测

项目介绍

项目目的

  • 当今社会，房屋租金由装修情况、位置地段、户型格局、交通便利程度、市场供需量等多方面因素综合决定，对于租房这个相对传统的行业来说，信息严重不对称一直存在。一方面，房东不了解租房的市场真实价格，只能忍痛空置高租金的房屋；另一方面，租客也找不到满足自己需求高性价比房屋，这造成了租房资源的极大浪费。
  • 本项目基于租房市场的痛点，提供脱敏处理后的真实租房市场数据。选手需要利用有月租金标签的历史数据建立模型，实现基于房屋基本信息的住房月租金预测，为该城市租房市场提供客观衡量标准。

数据介绍

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • 最后一列’月租金’是预测值，这是一个回归问题，需要建立回归模型

评估指标

在这里插入图片描述

  • 通过计算预测值和真实房租月租金的均方根误差来衡量回归模型的优劣。均方根误差越小，说明回归模型越好。

加载数据集

导入工具包，数据读取

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns

plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

from sklearn.metrics import mean_squared_error
from sklearn.model_selection import train_test_split
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import cross_val_score

import warnings
warnings.filterwarnings('ignore')

data = pd.read_csv('data/train.csv')

基本信息

columns
col_names = data.columns.tolist() #所有的列展示出来

print("Column names:")
print(col_names)

Column names:
['时间', '小区名', '小区房屋出租数量', '楼层', '总楼层', '房屋面积', '房屋朝向', '居住状态', '卧室数量', '厅的数量', '卫的数量', '出租方式', '区', '位置', '地铁线路', '地铁站点', '距离', '装修情况', '月租金']
head()
data.head()
时间 小区名 小区房屋出租数量 楼层 总楼层 房屋面积 房屋朝向 居住状态 卧室数量 厅的数量 卫的数量 出租方式 区 位置 地铁线路 地铁站点 距离 装修情况 月租金
0 1 3072 0.128906 2 0.236364 0.008628 东南 NaN 1 1 1 NaN 11.0 118.0 2.0 40.0 0.764167 NaN 5.602716
1 1 3152 0.132812 1 0.381818 0.017046 东 NaN 1 0 0 NaN 10.0 100.0 4.0 58.0 0.709167 NaN 16.977929
2 1 5575 0.042969 0 0.290909 0.010593 东南 NaN 2 1 2 NaN 12.0 130.0 5.0 37.0 0.572500 NaN 8.998302
3 1 3103 0.085938 2 0.581818 0.019199 南 NaN 3 2 2 NaN 7.0 90.0 2.0 63.0 0.658333 NaN 5.602716
4 1 5182 0.214844 0 0.545455 0.010427 东北 NaN 2 1 1 NaN 3.0 31.0 NaN NaN NaN NaN 7.300509
info()
data.info()  #是否有缺失值，数据类型

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 196539 entries, 0 to 196538
Data columns (total 19 columns):
 #   Column    Non-Null Count   Dtype  
---  ------    --------------   -----  
 0   时间        196539 non-null  int64  
 1   小区名       196539 non-null  int64  
 2   小区房屋出租数量  195538 non-null  float64
 3   楼层        196539 non-null  int64  
 4   总楼层       196539 non-null  float64
 5   房屋面积      196539 non-null  float64
 6   房屋朝向      196539 non-null  object 
 7   居住状态      20138 non-null   float64
 8   卧室数量      196539 non-null  int64  
 9   厅的数量      196539 non-null  int64  
 10  卫的数量      196539 non-null  int64  
 11  出租方式      24230 non-null   float64
 12  区         196508 non-null  float64
 13  位置        196508 non-null  float64
 14  地铁线路      91778 non-null   float64
 15  地铁站点      91778 non-null   float64
 16  距离        91778 non-null   float64
 17  装修情况      18492 non-null   float64
 18  月租金       196539 non-null  float64
dtypes: float64(12), int64(6), object(1)
memory usage: 28.5+ MB
shape
data.shape

(196539, 19)
describe()
data.describe()
#describe() 可以返回具体的结果， 对于每一列。

#数量 平均值 标准差 25% 分位 50% 分位数 75% 分位数 最大值 很多时候你可以得到NA的数量和比例。
时间 小区名 小区房屋出租数量 楼层 总楼层 房屋面积 居住状态 卧室数量 厅的数量 卫的数量 出租方式 区 位置 地铁线路 地铁站点 距离 装修情况 月租金
count 196539.000000 196539.000000 195538.000000 196539.000000 196539.000000 196539.000000 20138.000000 196539.000000 196539.000000 196539.000000 24230.000000 196508.000000 196508.000000 91778.000000 91778.000000 91778.000000 18492.000000 196539.000000
mean 2.115229 3224.116562 0.124151 0.955449 0.408711 0.013139 2.725196 2.236635 1.299625 1.223818 0.900289 7.905139 67.945982 3.284850 57.493735 0.551202 3.589228 7.949313
std 0.786980 2023.073726 0.133299 0.851511 0.183100 0.008104 0.667763 0.896961 0.613169 0.487234 0.299621 4.025696 43.522394 1.477147 35.191414 0.247268 1.996912 6.310609
min 1.000000 0.000000 0.007812 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.001667 1.000000 0.000000
25% 1.000000 1388.000000 0.039062 0.000000 0.290909 0.009268 3.000000 2.000000 1.000000 1.000000 1.000000 4.000000 33.000000 2.000000 23.000000 0.356667 2.000000 4.923599
50% 2.000000 3086.000000 0.082031 1.000000 0.418182 0.012910 3.000000 2.000000 1.000000 1.000000 1.000000 9.000000 61.000000 4.000000 59.000000 0.554167 2.000000 6.621392
75% 3.000000 5199.000000 0.160156 2.000000 0.563636 0.014896 3.000000 3.000000 2.000000 1.000000 1.000000 11.000000 103.000000 5.000000 87.000000 0.745833 6.000000 8.998302
max 3.000000 6627.000000 1.000000 2.000000 1.000000 1.000000 3.000000 11.000000 8.000000 8.000000 1.000000 14.000000 152.000000 5.000000 119.000000 1.000000 6.000000 100.000000 
1- data.describe().loc['count',:]/data.shape[0]  #数据缺失的比例
# 可以观察出什么信息？

时间          0.000000
小区名         0.000000
小区房屋出租数量    0.005093
楼层          0.000000
总楼层         0.000000
房屋面积        0.000000
居住状态        0.897537
卧室数量        0.000000
厅的数量        0.000000
卫的数量        0.000000
出租方式        0.876717
区           0.000158
位置          0.000158
地铁线路        0.533029
地铁站点        0.533029
距离          0.533029
装修情况        0.905912
月租金         0.000000
Name: count, dtype: float64
  • 一共196539条数据，每条数据有18个特征及一个预测值(月租金)，有float,int,object型，部分字段存在缺失值

探索性数据分析(EDA)

如何进行EDA探索

1）如何探索？

  • 绘制特征自身的分布图；
  • 绘制特征与预测值之间的关系图；

2）探索到什么？

  • 异常值、缺失值
  • 特征的分布趋势是否合理：比如，对于回归问题，预测值一般需要符合正态分布；
  • 特征与预测值之间的关系

探索分析

数据缺失情况
missing_val = 1- data.describe().loc['count',:]/data.shape[0] 

missing_val

时间          0.000000
小区名         0.000000
小区房屋出租数量    0.005093
楼层          0.000000
总楼层         0.000000
房屋面积        0.000000
居住状态        0.897537
卧室数量        0.000000
厅的数量        0.000000
卫的数量        0.000000
出租方式        0.876717
区           0.000158
位置          0.000158
地铁线路        0.533029
地铁站点        0.533029
距离          0.533029
装修情况        0.905912
月租金         0.000000
Name: count, dtype: float64

plt.clf()
plt.figure(figsize=(8,4))
plt.tick_params(labelsize=12)
missing_val.plot(kind='bar', color='green')
plt.show()

<Figure size 432x288 with 0 Axes>

在这里插入图片描述

  • 1）有缺失值的字段包括： #missing_val[missing_val != 0.000000].index
    • [‘小区房屋出租数量’, ‘居住状态’, ‘出租方式’,
      ‘区’, ‘位置’, ‘地铁线路’, ‘地铁站点’, ‘距离’, ‘装修情况’]
  • 2） 从趋势占比来看：
  • [‘小区房屋出租数量’， ‘区’, ‘位置’]缺失较少，
  • [‘地铁线路’, ‘地铁站点’, ‘距离’]缺失量中等，占比一半左右；
  • [‘居住状态’、‘出租方式’、‘装修情况’]大量缺失，缺失占比超过了80%；
时间属性
label = '月租金'
column='时间'
print(len(data[column].unique()))
print(data[column].value_counts())

import seaborn as sns
fig = plt.figure(figsize=(10,4))
plt.subplot2grid((1,2), (0,0))  #图像几行几列，从第0行第0列
sns.barplot(x=data[column].value_counts().index, y=data[column].value_counts().values)
plt.title(column)
plt.ylabel('数量')

plt.subplot2grid((1,2),(0,1))
sns.boxplot(x=column,y='月租金', data=data)
plt.show()

##看出什么?
#2月和3月的数据较1月多一些
#楼市总体上在三个月内没有明显波动

3
3    73490
2    72206
1    50843
Name: 时间, dtype: int64

在这里插入图片描述
箱线图：
在这里插入图片描述

小区名
column = '小区名'
print(len(data[column].unique()))
# data[column].value_counts() 
print('最小值和最大值：',data[column].min(), data[column].max())

fig = plt.figure(figsize=(10,4))

plt.subplot2grid((1,2), (0,0)) 
sns.distplot(data[column].dropna())
plt.xlabel(column)
plt.ylabel('数量')

plt.subplot2grid((1,2), (0,1)) 
sns.scatterplot(data[column].dropna(),data[label])
plt.show()

5547
最小值和最大值： 0 6627

在这里插入图片描述

# 把上述两种数据的绘制封装成函数，
def lisan_plot(column):    #离散数据
    fig = plt.figure(figsize=(10,4))
    plt.subplot2grid((1,2), (0,0))  #图像几行几列，从第0行第0列
    sns.barplot(x=data[column].value_counts().index, y=data[column].value_counts().values)
    plt.title(column)
    plt.ylabel('数量')

    plt.subplot2grid((1,2),(0,1))
    sns.boxplot(x=column,y='月租金', data=data)
    plt.show()

def lianxu_plot(column): #连续数据

    fig = plt.figure(figsize=(10,4))

    plt.subplot2grid((1,2), (0,0)) 
    sns.distplot(data[column].dropna())
    plt.xlabel(column)
    plt.ylabel('数量')

    plt.subplot2grid((1,2), (0,1)) 
    sns.scatterplot(data[column].dropna(),data[label])
    plt.show()
小区房屋出租数量
column = '小区房屋出租数量'
print(len(data[column].unique
最低0.47元/天 解锁文章
DataCastle-租金预测
优快云 精品推荐
11-26 3109
ID：编号；时间：房屋信息采集的时间；小区名：房屋所在小区，已脱敏处理；小区房屋出租数量：小区出租房屋数量，已脱敏处理；楼层：0、1、2分别表示楼层低，中，高；总层数：房屋所在建筑的总楼层数，已脱敏处理；房屋面积：房屋面积数值，已脱敏处理；房屋朝向：房屋的朝向；居住状态：房屋的居住状态，表示是否已出租或居住中，已脱敏处理；卧室数量：户型信息，数字表示卧室的个数；卫的数量：户型信息，数字表示卫生间的个数；厅的数量：户型信息，数字表示厅的个数；
数据竞赛模拟_房租预测（模型选择，模型融合）
weixin_44370010的博客
01-15 546
任务4 模型选择，模型融合
租金预测-数据集
03-30
暂无描述
【数据挖掘】公寓住房月租金预测
Ares_song的博客
12-20 3338
一、摘要 该数据及是是一个预测公寓租金竞赛，数据来自Kaggle。通过在互联网上发布的公寓信息，如：房间布局、数量、文字描述、照片、价格等，预测公寓租金。公寓均位于纽约市。 数据为预测公寓租金竞赛数据：http://dataju.cn/Dataju/web/datasetInstanceDetail/337 ...
2018年全国大学生计算机技能应用大赛《住房月租金预测大数据赛》数据集
01-18
2018年全国大学生计算机技能应用大赛《住房月租金预测大数据赛》数据集
租金多少才算合理？智能分析工具Sophon帮你预测房屋租金
Transwarp
12-17 991
本文将使用最近的房租数据，在智能分析工具Sophon上训练模型，并利用模型进行租金预测。
Sklearn：房租租⾦模型预测 版本一
あずにゃん梓喵的博客
07-17 2068
日萌社 人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新） 数据集下载链接：https://pan.baidu.com/s/13OtaUv6j4x8dD7cgD4sL5g提取码：7tze 5.10 房租租⾦模型预测 1 项⽬背景 当今社会，房屋租⾦由装修情况、位置地段、户型格局、交通便利程度、市场供需量...
住房月租金预测大数据赛TOP1.zip
最新发布
01-01
从标题来看，“住房月租金预测大数据赛TOP1.zip”意味着该压缩包内包含了在某次大数据竞赛中排名第一的预测模型或相关资源。 描述部分提供的信息说明了该数据赛的竞赛官网发布了关于A榜（排行榜）的两个重要排名。...
住房月租金预测大数据赛.zip
03-07
标题中的“住房月租金预测大数据赛”表明这是一个关于利用大数据技术预测房屋月租金的比赛或项目。在这个领域，参与者通常需要处理大量的房地产数据，包括但不限于房屋的位置、面积、房型、装修状况、周边设施等，来...
住房月租金预测大数据赛参赛源码+项目说明（TOP1）.zip
01-30
【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！ 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目，作为参考...住房月租金预测大数据赛参赛源码+项目说明（TOP1）.zip
基于Python数据分析的西安碑林租房攻略2：预测房屋租金价格
Gauss_m10的博客
03-15 1351
使用租房数据中的'type', 'layout', 'bc', 'distance', 'rent_area', 'rent_price'字段建立多元线性回归模型，使其可以根据租房类型、房屋布局、所在区域、距离最近地铁站距离和出租面积来预测出租价格。在确立多元线性回归模型最优参数过程中采用了交叉验证的方法。
房租预测
weixin_42843159的博客
07-24 480
房租预测 载入库与数据读取 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns import sys train_data = pd.read_csv('train_data.csv') test_data = pd.read_csv('test_a.csv') ...
2019未来杯房产租金预测比赛数据-数据集
03-29
2019未来杯房产租金预测 比赛数据
Sklearn：房租租⾦模型预测 版本二
あずにゃん梓喵的博客
07-16 1016
日萌社 人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新） 库安装：pip install xgboost 数据初步分析 In[1]: import matplotlib.pyplot as plt import pandas as pd import numpy as np import seaborn as sns import warnings warnings.filterwarnings('ign..
租金 预测_如何预测租金并优化租赁期限，从而节省资金
cumi7754的博客
07-17 583
租金 预测by Zhen Liu 刘震 如何预测租金并优化租赁期限，从而节省资金 (How to Predict Rent and Optimize Your Lease Duration So You Can Save Money) In my last post, we talked about how to pick the best month to sign the lease ba...
Python机器学习实践指南 笔记(2)-租金预测,寻找低价飞机票
zhi_fu的博客
08-22 2527
这里直接讨论数据的建模和评估。租金预测目前观察的是Zip 邮政编码和卧室个数 与公寓租金的关系。 数据su_lt_two Rent Beds Baths Sqft Floor Zip 0 1750 1 1.0 NaN NaN 10035 1 3000 2 2.0 1016 2 10031 2 2300 0 1.0
03_决策树案例二：波士顿房屋租赁价格预测
lzay的博客
03-14 853
import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt import pandas as pd import warnings import sklearn from sklearn.linear_model import LinearRegression, LassoCV, RidgeCV from ...
城市-房产租金预测之特征工程&特征选择
weixin_41962319的博客
01-12 327
城市-房产租金预测之特征工程&特征选择 首先我们要对房间类型[‘houseType’]进行拆分，将其作为新的特征[‘Room’]，[‘Hall’]，[‘Path’]，同时也需要对[‘tradeTime’]进行时间提取。当然需要对train和test同时进行。 def newfeature(data): data['tradeTime'] = pd.to_datetime(data[...
大数据竞赛：住房月租金预测模型分析
资源摘要信息:"住房月租金预测大数据赛" 一、项目背景与目的 住房月租金预测是一个典型的机器学习问题，它属于回归分析的范畴，旨在利用历史数据来预测特定条件下的住房月租金价格。此类项目的主要目的是帮助房东...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值