[發明專利]一種基于大數據的智能預測方法

在審

• 申請號: 201910458583.5
• 申請日: 2019-05-29
• 公開（公告）號: CN110378508A
• 公開（公告）日: 2019-10-25
• 發明（設計）人: 劉治;孫澤勇;章云;賴有仿
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/06;G06Q50/16;G06F16/215;G06N20/00
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 杜鵬飛

本發明公開了一種基于大數據的智能預測方法，包括下述步驟：步驟一，數據清洗；對原始數據進行預處理；步驟二，特征工程；對清洗過的數據進行分析并找出重要特征，構造與其相關的統計特征；步驟三，模型構建；使用分類精度較高的XGboost、LightGBM和catboost模型對房租進行預測；步驟四，模型融合；根據模型預測結果的得分，給與其不同的權重，加權組成最終模型，提高模型泛化能力；步驟五，智能預測；利用所得模型來實現房租的準確預測；本發明利用房產市場、租賃市場、市場需求以及房屋配置等數據，運用機器學習、人工智能等模型算法，結合模型的創新能力，做出合理的房租預測，以應對市場變化對運營商和房產機構帶來的影響。

技術領域

本發明涉及大數據及機器學習技術領域，具體涉及一種基于大數據的智能預測方法。

背景技術

近幾年，國內住房租賃市場進入全新的發展階段，長期公寓市場作為租賃市場的重要部分，越來越受到廣泛的關注。但同時中國長期公寓市場也面臨著企業市場進入、業務(門店)擴張、資本市場博弈、企業重組并購等多重挑戰，其中，如何準確的預測租金便成為該行業發展進程中的一大難題；房屋租金的確定，需要結合房產市場、租賃市場、市場需求、位置地段以及房屋配置等多方面因素來確定，而現有技術中并沒有公開相關房屋租金的預測手段，租借方無法有效預測市場的變化，從而做出合理的決策。

發明內容

本發明的目的在于克服現有技術的缺點與不足，提供一種基于大數據的智能預測方法，該方法能夠利用房產市場、租賃市場、市場需求以及房屋配置等數據，運用機器學習、人工智能等模型算法，結合模型的創新能力，做出合理的房租預測，以應對市場變化對運營商和房產機構帶來的影響。

本發明的目的通過下述技術方案實現：

一種基于大數據的智能預測方法，包括下述步驟：

步驟一，數據清洗；對原始數據進行預處理，包括異常數據的處理及缺失值的填補；

步驟二，特征工程；對清洗過的數據進行分析并找出重要特征，嘗試構造出與房租相關性強的組合特征，并對類別特征進行統計，構造與其相關的統計特征；

步驟三，模型構建；使用分類精度較高的XGboost、LightGBM和catboost模型對房租進行預測；

步驟四，模型融合；根據模型預測結果的得分，給與其不同的權重，得分越高權重越大，加權組成最終模型，提高模型泛化能力；

步驟五，智能預測；利用所得模型來實現房租的準確預測。

優選的，所述步驟一數據清洗的具體步驟為：

(1)異常值處理；通過畫散點圖和箱型圖的方法同時結合數據本身的業務含義，對異常數據進行剔除或者當作缺失值處理；

(2)填充缺失值；離散型變量的空值用null填充，連續型變量用平均值填充。

本發明與現有技術相比具有以下的有益效果：

本發明利用房產市場、租賃市場、市場需求以及房屋配置等數據，運用機器學習、人工智能等模型算法，結合模型的創新能力，做出合理的房租預測，以應對市場變化對運營商和房產機構帶來的影響；本發明將XGboost、LightGBM、catboost三個模型融合在一起，預測結果的線下和線上分數均有顯著提升，實現了預測精度和模型穩健性的統一，具有更強的泛化能力。

附圖說明

圖1為本發明的流程示意圖；

圖2為本發明剔除異常值后租金分布圖；

圖3為本發明area與tradeMoney散點圖；

圖4為本發明原始特征重要性排序；