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1.1k 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.csdn.net/weixin_45004761/article/details/114866392
版权

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(<
最低0.47元/天 解锁文章
BernadetteDi
关注
  • 2
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
机器学习实战--住房月租金预测（1）
sinat_34576567的博客
12-09 2669
                                                                                            写在前面 上次分享的从0开始如何用一个月杀进机器学习比赛Top25%受到很多小伙伴的支持，今天继续分享这次比赛的收获。本文会讲解数据集的分析。话不多说，我们开始吧！   比赛分析 从机器学习模型的角度来说，...
重庆住房租赁市场现状分析:解读出租房市场的数据密码
拓端研究室TRL
12-06 283
租赁市场正在发生变化。随着越来越多的行业巨头涌入，金融的、互联网的、房地产的，租赁地产成为炙手可热的风口。▼近期我们进行了关于重庆租房市场的研究。我们分析了来自106家参与研究的房产交易平台的数据和见解，请参阅下面的图表了解主要发现。根据房源优势可以评估房源的价格，这使房东能够根据房源优势提高对房租价格决策方面的有效性，将租客关注的房源优势的优先级确定为优先事项。 图表1遵循基于房源优势的方法，平台将重点放在针对最热门的特征建立适当的分析，从而为租客和房东提出最合理的价格（图表1）。通过按照房源优势的
毕设设计之 ---基于python大数据分析的北上广住房数据分析
热门推荐
HUXINY的博客
12-31 1万+
文章目录前言分析展示一、北上广租房房源分布可视化二、北上广内区域租金分布可视化三、房源距地铁口租金的关系可视化四、房屋大小与租金关系可视化结论租个人房源好还是公寓好北上广深租房时都看重什么 前言 马上元旦放假，大家都开始忙着确定毕设题目了吧，今天学长向大家推荐一个基于python大数据分析的毕设：基于python大数据分析的北上广住房数据分析。 PS： 任何同学如果对毕设选题毫无头绪，或者对自己课题有不明白的，都可以与学长讨论，学长都会详细讲解的。 向学长寻求帮助 分析展示 一、北上广租房房源分布可视化
基于大数据的一线城市住房租赁影响因素分析
yzylovets的博客
07-05 1867
影响住房租赁价格的影响因素并未形成体系，本文将借助大数据技术分析北上广深四个城市的住房租赁影响因素。利用网络爬虫技术获取房屋条件和住房租赁价格。利用Poi大数据获取城市居住区的区位配套条件。借助数据清洗、文本挖掘等大数据技术进行数据处理，得到住房租赁的真实数据。对区位配套条件进行重点分析，借助高德地图开放平台、Arcgis核密度分析和线性回归方程分析对区位配套条件和住房租赁价格进行空间上的分析和可视化呈现。............
2022-2028年中国长租公寓行业市场运行格局及发展策略分析报告
kt346的博客
03-01 2054
报告类型：产业研究 报告格式：电子版、纸介版 出品单位：智研咨询-产业信息网 “长租公寓”，又名“白领公寓”，“单身合租公寓”，是房地产市场一个新兴的行业，将业主房屋租赁过来，进行装修改造，配齐家具家电，以单间的形式出租给需要人士。 国内长租公寓主要分为“集中式”和“分散式”两类。集中式主要以传统的商业地产运作模式，利用自持土地开发或楼宇整租改造方式进行运营；分散式主要从租赁中介业务延展而来，依靠整合户主房源进行重新装修管理，类似“二房东”。 智研咨询发布的《20...
基于SSM实现的房屋租赁系统【附源码】（毕设）
02-27
一、项目简介本课程演示的是一套基于SSM实现的房屋租赁系统，主要针对计算机相关专业的正在做毕设的学生与需要项目实战练习的Java学习者。课程包含： 1. 项目源码、项目文档、数据库脚本、软件工具等所有资料2. 带你从零开始部署运行本套系统3. 该项目附带的源码资料可作为毕设使用4. 提供技术答疑和远程协助指导二、技术实现 后台框架：Spring、SpringMVC、MyBatisUI界面：jQuery 、JSP数据库：MySQL 三、系统功能系统分为前台用户界面和后台系统管理：1. 前台用户界面    用户注册、用户登录、用户中心、浏览房源、房源搜索    查看房源明细、发布房源、提交合同、新闻公告、留言交流2. 后台系统管理    用户管理：用户列表、用户删除、用户查询    新闻管理：新闻列表、添加新闻、修改新闻、删除新闻、查询新闻    房屋管理：房屋列表、房屋删除、分页查看    留言管理：留言列表、留言删除、留言查询、留言回复列表、回复查询    租赁合同管理：合同列表、查看合同、删除合同    管理员管理：管理员管理、新增管理员、编辑管理员、删除管理员等 四、项目截图1）前台用户界面 2）后台系统管理    更多Java毕设项目请关注【毕设系列课程】https://edu.csdn.net/lecturer/2104   点击 我的百科 ，通过百度百科更多了解我 ^_^ 
【数据挖掘】公寓住房月租金预测
Ares_song的博客
12-20 2902
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 ...
租金预测-数据集
03-30
暂无描述
机器学习实战--住房月租金预测（2）
sinat_34576567的博客
12-17 1462
前文回顾：机器学习实战--住房月租金预测（1），今天继续分享这次比赛的收获。本文会讲解对特征工程的处理。话不多说，我们开始吧！ 特征工程   “数据决定了机器学习的上限，而算法只是尽可能逼近这个上限”，这里的数据指的就是经过特征工程得到的数据。特征工程指的是把原始数据转变为模型的训练数据的过程，它的目的就是获取更好的训练数据特征，使得机器学习模型逼近这个上限。特征工程能使得模型的性能得到...
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 1060
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。
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
住房月租金预测大数据赛.zip
最新发布
03-07
住房月租金预测大数据赛
住房月租金预测大数据赛TOP1.zip
03-04
住房月租金预测大数据赛TOP1.zip
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
DC平台住房月租金预测大数据赛的全部代码，从数据清洗、特征选择到模型建立 排名：79447.zip
10-19
DC平台住房月租金预测大数据赛的全部代码，从数据清洗、特征选择到模型建立。排名：79447.zip
用Python搭建机器学习模型预测房租价格
yuuEva的博客
10-14 2221
　　毫无疑问，机器学习是当前大数据分析中最热门的话题。这也是一些最令人兴奋的技术领域的基本概念，例如自动驾驶汽车和预测分析。百度上的机器学习搜索在2019年4月创历史新高，自此以来兴趣一直没有下降。 　　但是实际上学习机器学习可能很困难。您要么使用行为类似于“黑匣子”的预构建包，要么在其中传递数据，另一端则产生魔力，或者您必须处理高级数学和线性代数。每种方法都使学习机器学习充满挑战和威胁。 　　用Python搭建机器学习模型预测房租价格旨在向您介绍机器学习的基本概念。在继续学习时，您将从头开始构建第一个
未来杯 城市-房产租金预测开源baseline
所爱隔山海
05-06 1362
昨天跟队友开源了一份线上0.85的baseline，发在我们的知乎专栏里了。 知乎地址： https://zhuanlan.zhihu.com/p/64715267 github地址： https://github.com/leo6033/future-AI-challenge 下面贴一下baseline的主要代码部分： def parseData(df): """ 预处理数据 ...
KNN—预测房屋出租价格
没有笔记本用了
10-25 1170
根据之前的房屋出租的特征和价格来预测房屋出租价格-----基于欧式距离 import pandas as pd from sklearn.preprocessing import StandardScaler features = ['accommodates','bedrooms','bathrooms','beds','price','minimum_nights','maximum_nights','number_of_reviews'] dc_listings = pd.read_csv('l
住房月租金预测大数据赛
qq_42332950的博客
04-04 5015
【Python数据分析实战项目】之 住房月租金预测大数据赛分析|详解 注：图片源于http://www.dcjingsai.com 完整源代码及训练测试集数据请使劲戳 ☛☛https://github.com/Juuuusper/Housing-Rent-Prediction —— —— —— 懒惰分界线—— —— —— 小白第一次分享该类型，
python住房价格预测项目
07-20
Python住房价格预测项目是一种利用Python编程语言开发的应用程序，旨在根据一系列特征变量来预测住房价格。该项目的核心思想是利用机器学习算法从已知的数据集中学习特征和目标变量之间的关系，并在此基础上对新的数据进行预测。 这个项目通常包含以下几个步骤： 1. 数据收集：首先，我们需要收集住房价格相关的数据，这可以通过各种途径获得，如公共数据库、网络爬虫等。 2. 数据预处理：在进行预测之前，需要对收集到的数据进行预处理，如去掉无用的特征、处理缺失值、处理异常值等。 3. 特征工程：接下来，需要从原始数据中提取有用的特征，这可能涉及到特征选择、特征变换和创建新的特征。 4. 特征缩放：对于某些机器学习算法，特征缩放是必要的，这可以通过将数据标准化或归一化来实现。 5. 模型训练：在完成数据预处理和特征工程之后，我们可以将数据集划分为训练集和测试集，并选择适当的机器学习算法进行模型训练。 6. 模型评估：通过使用测试集评估模型的性能，可以判断模型对新数据的预测能力如何。 7. 模型调优：根据评估结果，我们可以进行模型的调优，如参数调整、算法选择等，以提高模型的预测准确性。 8. 预测和部署：一旦模型训练得到满意的结果，可以将模型部署到实际应用中，并用于预测新的住房价格。 总之，Python住房价格预测项目是一项基于机器学习和数据分析的任务，通过应用Python编程语言的技术和工具，可以实现对未知数据的住房价格预测。这个项目不仅可以应用于房地产行业，还可以用于金融领域、市场研究等许多其他领域。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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