基于DBO-XGBoost的住房租金预测模型研究  

作　　者：闵春磊 

机构地区：[1]新疆财经大学,新疆乌鲁木齐830012

出　　处：《信息产业报道》2024年第1期211-213,共3页Information Industry Report

摘　　要：住房问题与民生福祉息息相关。本文以 58 同城网站上昌吉市的房租数据为例,首先,通过 python 爬虫技术,爬取了影响住房租金的因素,对各变量的情况进行了说明,了解数据的缺失值情况。其次,对数据进行特征编码,然后利用互信息法对特征进行筛选,进一步提高数据的质量。最后,建立了 GBDT、RFR、LightGBM、Adaboost 和CatBoost 集成模型与采用蜣螂优化算法优化后的 DBO-XGBoost 模型进行对比,并选取 MSE、MAE、精度作为模型评价指标。实验结果显示:①蜣螂优化算法优化后 DBO-XGBoost 模型依据模型预测性能的优劣情况将其排序:DBO-XGBoost>GBDT>RFR>LightGBM>CatBoost> Adaboost。②优化后的 DBO-XGBoost 模型的 MSE、MAE、精度分别为0.2739、0.2815、0.9835,在三个评价指标上的分数均优于其他模型。综上所述,基于 DBO-XGBoost 模型的预测精度较高,对于租金预测具有更好的预测效果。

关 键 词：住房租金 蜣螂优化算法 支持向量机 

分 类 号：TN[电子电信]