R语言租房市场分析（聚类、回归）

上一篇文章写了用R爬取租房数据以及做初步数据分析，这篇文章拿之前爬的数据，对房源进行分类以及探究影响租金的因素。

爬取的数据文末会附上链接。

1 使用kmeans对房源数据进行聚类

kmeans聚类是一种简单粗暴的无监督学习方法，通过点到中心点的距离的计算并反复迭代，可以将没有标签的数据集自动归类。

1.1数据导入

首先，导入数据，

house2 <- read.csv("house2.csv",stringAsFactor = T）
View(house2)

1.2 数据预处理

为了能用散点图（只有x和y两个坐标）更直观的看出聚类效果，这里就简单选取两个数值型变量：房源价格和面积做聚类。

df<-data.frame(price=house$price,area=house$area)
str(df)

因为kmeans涉及到计算点与中心点之间的距离，因此在计算时要去除数据的单位限制，也就是对数据进行标准化，便于不同单位或量级的指标能够进行比较和加权。

这里使用z-score 标准化的方法，它的好处是即使有可能存在离群值，不会对标准化后的数据产生很大的影响。

df2<- data.frame(scale(df))#对数据进行标准化
View(df2)

经过标准化后，价格和面积的数据在量纲上就差不多了。

1.3 判断最佳聚类个数

在建立模型之前，应该先确定模型最佳聚类个数。
因为K-means方法的原则是让组内间距尽可能小，组间差距尽