基于 DBO-XGBoost 的住房租金预测模型研究
作 者：
闵春磊
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。
来 源：
《信息产业报道》 2024-01