文章插圖
作者：韓信子@ShowMeAI 數據分析實戰系列：https://www.showmeai.tech/tutorials/40 機器學習實戰系列：https://www.showmeai.tech/tutorials/41 本文地址：https://www.showmeai.tech/article-detail/316 聲明：版權所有，轉載請聯系平臺與作者并注明出處 收藏ShowMeAI查看更多精彩內容
文章插圖
大家出去旅游最關心的問題之一就是住宿 ， 在國外以 Airbnb 為代表的民宿互聯網模式徹底改變了酒店業，很多游客更喜歡預訂 Airbnb 而不是酒店，而在國內的美團飛豬等平臺 ， 也有大量的民宿入駐 。
在現在這個信息透明開放的互聯網時代，我們能否收集數據信息，開發一個機器學習模型來預測房源價格 ， 為自己的出行提供更智能化的信息呢？肯定是可以的，下面ShowMeAI以Airbnb在大曼徹斯特地區的房源數據為例（截至 2022 年 3 月） ， 來演示數據分析與挖掘建模的全過程，同樣的方法模式可以應用在大家熟悉的國內平臺上 。
文章插圖
下面的項目業務和 Airbnb民宿數據 來源于 Inside Airbnb ， 包含有關 Airbnb 對住宅社區影響的數據和宣傳 。數據源可以在上述鏈接中獲取，大家也可以訪問ShowMeAI的百度網盤地址，獲取我們為大家存儲好的項目數據 。
實戰數據集下載（百度網盤）：公眾號『ShowMeAI研究中心』回復『實戰』，或者點擊 這里 獲取本文 [22]基于Airbnb數據的民宿房價預測模型 『Airbnb民宿數據』
ShowMeAI官方GitHub：https://github.com/ShowMeAI-Hub業務問題一般我們需要在開始挖掘和建模之前，深入了解我們的業務場景和數據情況，我們先總結了一些在這個業務場景下我們關心的一些業務問題，我們將通過數據分析挖掘來完成這些業務問題的理解 。
- 哪些地區或城鎮的 Airbnb 房源最多？
- 最受歡迎的房型是什么？
- 大曼徹斯特地區的 Airbnb 房源價格特點是什么？
- 房源與房東的分布情況？
- 大曼徹斯特地區有哪些房型可供選擇？
- 機器學習模型預測該地區 Airbnb 房源價格的思路是什么樣的？
- 在預測大曼徹斯特地區 Airbnb 房源的價格時，哪些特征更重要？
import numpy as npimport pandas as pdfrom tqdm.notebook import tqdm, trangeimport seaborn as sbimport matplotlib.pyplot as plt%matplotlib inlinefrom sklearn.linear_model import LinearRegressionfrom sklearn.linear_model import Lassofrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import r2_score, mean_squared_errorfrom sklearn.preprocessing import StandardScalerimport statsmodels.api as smfrom sklearn.ensemble import RandomForestRegressorfrom sklearn.model_selection import GridSearchCVfrom sklearn.pipeline import Pipeline, FeatureUnionfrom sklearn.feature_selection import SelectFromModelfrom sklearn.ensemble import GradientBoostingRegressorfrom statsmodels.stats.outliers_influence import variance_inflation_factorfrom sklearn.inspection import permutation_importancepd.set_option('display.max_columns', None)pd.set_option('display.max_rows', None)接下來我們讀取大曼徹斯特地區的房源數據gm_listings = pd.read_csv('gm_listings-2.csv')gm_calendar = pd.read_csv('calendar-2.csv')gm_reviews = pd.read_csv('reviews-2.csv')查看數據的基礎信息如下gm_listings.head()
文章插圖
gm_listings.shape# (3584, 74)gm_listings.columns
文章插圖
gm_calendar.head()
文章插圖
gm_reviews.head()
文章插圖
我們對數據的初覽可以看到，大曼徹斯特地區的房源數據集包含 3584 行和 78 列，包含有關房東、房源類型、區域和評級的信息 。
數據清洗
文章插圖
數據清洗是機器學習建模應用的【特征工程】階段的核心步驟，它涉及的方法技能歡迎大家查閱ShowMeAI對應的教程文章，快學快用 。
