[发明专利]一种基于大数据的区域房屋租金预测方法

摘要

本发明公开了一种基于大数据的区域房屋租金预测方法，采用FFM算法对大量房屋出租信息进行数据清洗、特征提取、数据转换、特征建模，使用构建的模型对房租租金进行预测并找出异常租金数据。本发明不仅可以通过对数据进行清洗、特征提取、建模来实现对房屋租金的预测，还能够很好的检测到异常的房屋租金信息。本发明所提出的基于FFM算法的房租预测方法能很好的应对房屋数据稀疏的情况，能够自动学习特征之间的隐藏联系，是对房租预测的一种十分有效的方法。

主权项

1.一种基于大数据的区域房屋租金预测方法，其特征在于：包括以下几个步骤：Q1、对房屋数据清洗，即在房屋数据中，对缺失值进行处理；对城市与省份无法对应的记录进行修正；将租金值低于200与租金值高于5000的数据去除；将租金值为“面议”的数据去除；将房屋面积高于200的数据去除；将楼层值不详的数据去除；Q2、将房屋数据划分训练集、测试集，采用留出法将数据集划分为两个互斥的子集，采用五折交叉验证对模型进行验证，即一个集合作为训练集S，包含50％的样本，另一个作为测试集T，包含50％的样本，即假设数据集为D，则D＝S∪T，在S上训练出模型后，用T来评估其测试误差，作为对泛化误差的估计，训练集和测试集需要保留基本一致的正负样本比例；Q3、对清洗后的房屋数据进行特征工程操作，对房屋特征数据完成基础特征、距离特征、统计特征、GBDT离散特征的特征工程构建；所述基础特征包括：房屋结构；房屋楼层高度；房屋总楼层；房屋朝向；房屋面积；房屋所在省市；房屋所在地区；房屋所在小区；房屋所提供的家具；房屋出租类型；房屋租金支付方式；所提供的房屋图片数量；对于房屋的客厅个数、卧室个数、洗手间个数、房屋面积大小、整个楼栋的层数、房屋描述图片个数直接使用数值；房屋所在城市、所在省份、房屋所在区域、房屋所在层数、房屋缴费方式、出租方式采用one‑hot处理后使用数值；房屋家具个数进行n‑hot处理后使用数值；所述距离特征，根据房屋所在小区的经纬度距离最近的大学、商圈、地铁的经纬度，计算房屋距离最近大学、商圈、地铁的距离，由距离特征直接作为特征值使用；统计特征：统计房屋类型所在层出现的次数，出租方式出现的次数，用以反映出房屋租金价格和出租方式、所在层数的关系；gbdt离散特征，将基础特征、距离特征离散特征值；Q4、对特征工程构建完成的样本集进行特征选择：Q4‑1、利用模型进行特征选择，训练一个XGBoost模型，输出其特征重要性，然后将重要性为0的特征删除，即完成了特征选择；Q4‑2、利用wrapper特征选择，从特征构建完成后的数据中选择初始特征子集，利用评价函数对其进行评价，反馈，然后继续评价，最终寻找出最优特征子集；Q4‑3、两种特征选择做完以后，选取两部分特征交集作为最终的模型的特征Q4‑4、采用三角矩阵的稀疏存储保证特征信息丢失较少的情况下，加快模型的训练过程；Q5、建立多个机器学习模型，并进行模型融合：Q5‑1、XGBOOST模型，通过参数随机扰动产生多个xgboost模型，首利用xgb_1确定了一组R2评分达到0.64的参数，其中subsample参数取值为0.7，迭代次数500，min_child_weight为3，colsample_bytree为0.7，XGBoost模型参数在默认参数乘以随机系数，系数范围为0.8～1.2，生成多个不同的XGBoost模型，根据十折交叉验证得到每个模型的R2得分，选取Top K个XGBoost作为多模型的输出，这里的K值取20；Q5‑2、多模型STACKING融合，训练三个基础模型RandomForest,XGBOOST,GBDT,将这三个模型作为Stacking的第一层，将每个模型的预测结果作为特征，放入到stacking第二层，第二层使用的模型为LinearRegression；Q5‑3、最终结果以Q5‑1和Q5‑2均值融合；Q6、对房屋租金进行预测。