基于机器学习的西安市出租房价格预测分析

李 娟
宝鸡文理学院，数学与信息科学学院

摘要


随着城市化进程的加速和房地产市场的发展，住房租金作为房地产市场的重要组成部分，其价格变动对于
居民生活成本、城市经济发展以及房地产市场的稳定都具有重要影响。本文利用Python爬虫技术在链家网上搜集了
西安市近期的租房信息，建立随机森林预测模型，通过与实际数据进行比较和误差分析，验证该模型在租房价格预
测中的有效性。

关键词


随机森林；预测；出租房房价

全文:

PDF


参考


[1]周志华.机器学习[M].北京：清华大学出版社，

2016：1-425.

[2]田坤瑞.北京市房租空间分异及影响因素分析[D].

兰州：兰州交通大学，2017.

[3]范雅静.基于互联网房屋租赁信息的住房租金微

观影响因素研究——以北京市为例[J].现代经济信息，

2017（9）：468-469.

[4]许帅文.新市民租房需求影响因素研究[D].广西：

广西大学，2019.

[5]李晓童，王成杰.基于随机森林方法的北京市二

手房价格研究[J].数据挖掘，2017，7（2）：37-45.

[6]周亮锦，赵明扬.基于随机森林的深圳二手房价

格分析[J].产业经济，2022（26）：68-72

[7]温博文，董文瀚，解武杰.基于改进网格搜索算

法的随机森林参数优化[J].计算机工程与应用，2018，54

（10）：154-157.

[8]刘晶垚.基于超参数寻优的随机森林模型在二手

乘用车价值评估中的应用研究[D].重庆：重庆理工大学，

2024

[9]鲁伟.机器学习公式推导与代码实现[M].北京：

人民邮电出版社，2022：97.

[10]DUFITINEMA J. Stochastic volatility forecasting

of the Finnish housing market [J].Applied economics, 2021,

53(1): 98-114.


Refbacks

  • 当前没有refback。