[发明专利]房租收入预测方法、装置、电子设备和存储介质

权利要求书

1.一种房租收入预测方法，其特征在于，包括：

获取用户数据集；所述用户数据集包括多个待预测用户的基本信息数据和财务状况数据；

对所述用户数据集中各个待预测用户的基本信息数据和/或财务状况数据进行预处理；所述预处理包括缺失值处理和/或异常值处理；

基于所述基本信息数据和所述财务状况数据中各个数据之间的相关性，构造所述用户数据集对应的组合特征；

将所述用户数据集和所述用户数据集对应的组合特征输入至房租收入预测模型，得到所述房租收入预测模型输出的各个待预测用户的房租预测结果。

2.根据权利要求1所述的房租收入预测方法，其特征在于，所述房租收入预测模型是基于如下步骤得到的：

确定多个初始模型，并获取样本训练集；所述样本训练集包括多个样本用户的基本信息数据、财务状况数据和实际房租数据；

基于所述样本训练集，对各个初始模型进行训练，得到各个初始模型输出的各个样本用户的房租预测结果；

基于各个样本用户的房租预测结果和实际房租数据，确定各个初始模型的预测准确度；

基于各个初始模型的预测准确度、AUC值、训练效率和训练所占的系统资源数据，确定各个初始模型对应的训练评分；

将训练评分最高的初始模型作为房租收入预测模型；

其中，所述初始模型包括贝叶斯模型、随机森林模型、支持向量机模型、XGBoost模型和LightGBM模型。

3.根据权利要求2所述的房租收入预测方法，其特征在于，所述基于所述样本训练集，对各个初始模型进行训练，得到各个初始模型输出的各个样本用户的房租预测结果，包括：

对所述样本训练集进行重复抽样，并对抽样结果进行随机组合，得到多个样本训练子集；

基于所述多个样本训练子集对各个初始模型进行训练，得到各个初始模型输出的各个样本用户的房租预测结果。

4.根据权利要求2所述的房租收入预测方法，其特征在于，所述房租收入预测模型是基于如下步骤优化的：

在所述房租收入预测模型对应的初始模型为LightGBM模型的情况下，基于所述样本训练集中的样本数量和组合特征数量，确定所述LightGBM模型对应的多组候选训练参数；

基于各组候选训练参数对所述LightGBM模型进行参数设置，确定各组候选训练参数下所述LightGBM模型的计算速度和计算准确度，并基于所述计算速度和所述计算准确度，确定所述LightGBM模型在各组候选训练参数下的评分；

将评分最高的候选训练参数作为所述LightGBM模型的最终训练参数。

5.根据权利要求1至4任一项所述的房租收入预测方法，其特征在于，在对所述用户数据集中各个待预测用户的基本信息数据和/或财务状况数据进行缺失值处理的情况下，所述方法包括：

确定所述基本信息数据或者所述财务状况数据中的缺失值；

在所述缺失值与所述基本信息数据或者所述财务状况数据中的其他数值存在关联关系的情况下，基于所述关联关系和所述其他数值，确定所述缺失值对应的插值，并基于所述插值对所述缺失值进行补全；

在所述缺失值对应的数据在所述基本信息数据中服从正态分布，且所述基本信息数据的数据数量大于第一样本数据阈值的情况下，确定所述缺失值的第一极大似然估计值，并基于所述第一极大似然估计值对所述缺失值进行补全；

在所述缺失值对应的数据在所述财务状况数据中服从正态分布，且所述财务状况数据的数据数量大于第二样本数据阈值的情况下，确定所述缺失值的第二极大似然估计值，并基于所述第二极大似然估计值对所述缺失值进行补全。

6.根据权利要求1至4任一项所述的房租收入预测方法，其特征在于，所述基于所述基本信息数据和所述财务状况数据中各个数据之间的相关性，构造所述用户数据集对应的组合特征，包括：

确定所述基本信息数据和所述财务状况数据中各个数据之间的初始相关性；

基于所述各个数据之间的初始相关性，构造所述用户数据集对应的初始组合特征；

基于样本训练集和房租收入预测模型，对所述初始组合特征进行AB测试，基于测试结果对所述初始组合特征进行调整，得到所述用户数据集对应的组合特征。