ML之LGBMRegressor(Competition)：2018年全國大學生計算機技能應用大賽《住房月租金預測大數據賽》——設計思路以及核心代碼—191017再次更新

?

目錄

競賽相關信息

數據集處理前后

輸出結果

設計思路

核心代碼

相關文章

---

?

?

?

競賽相關信息

競賽背景：

? ? ? ? 為貫徹關于“推動互聯網、大數據、人工智能和實體經濟深度融合”以及“善于運用互聯網技術和信息化手段開展工作”等講話精神，引導高校在校生學習掌握計算機與互聯網知識，提高計算機的技能應用，中國軟件行業協會培訓中心將舉辦全國大學生計算機技能應用大賽。大賽旨在增強廣大在校大學生的IT應用技能，對于進一步落實學校培養應用型人才的目標要求，培育創新創業人才、促進產學研相結合有著重要意義。

? ? ? ? 當今社會，房屋租金由裝修情況、位置地段、戶型格局、交通便利程度、市場供需量等多方面因素綜合決定，對于租房這個相對傳統的行業來說，信息嚴重不對稱一直存在。一方面，房東不了解租房的市場真實價格，只能忍痛空置高租金的房屋；另一方面，租客也找不到滿足自己需求高性價比房屋，這造成了租房資源的極大浪費。

? ? ? ? 本次計算機技能大賽中的大數據賽題將基于租房市場的痛點，提供脫敏處理后的真實租房市場數據。選手需要利用有月租金標簽的歷史數據建立模型，實現基于房屋基本信息的住房月租金預測，為該城市租房市場提供客觀衡量標準。

任務與數據

? ? ? ? ? 數據為某地4個月的房屋租賃價格以及房屋的基本信息，我們對數據做了脫敏處理。 選手需要利用訓練集中的房屋信息和月租金訓練模型，利用測試集中的房屋信息對測試集數據中的房屋的月租金進行預測。

? ? ? ? ? 數據分為兩組，分別是訓練集和測試集。 訓練集為前3個月采集的數據，共196539條。 測試集為第4個月采集的數據，相對于訓練集，增加了“id”字段，為房屋的唯一id，且無“月租金”字段，其它字段與訓練集相同，共56279條。 訓練集所含字段如下：

2018年全國大學生計算機技能應用大賽

住房月租金預測大數據賽（付費競賽）
?

?

數據集處理前后

1、訓練集、測試集

2、FE處理后的訓練集

?

輸出結果

1、測試集經過模型訓練后輸出的結果

設計思路

1、處理的【小區房屋出租數量】列為空值的思路

2、處理數據

2、總思路

?

?

?

核心代碼

代碼運行輸出

[LightGBM] [Warning] feature_fraction is set=0.6, colsample_bytree=1.0 will be ignored. Current value: feature_fraction=0.6 [LightGBM] [Warning] min_data_in_leaf is set=18, min_child_samples=20 will be ignored. Current value: min_data_in_leaf=18 [LightGBM] [Warning] min_sum_hessian_in_leaf is set=0.001, min_child_weight=0.001 will be ignored. Current value: min_sum_hessian_in_leaf=0.001 [LightGBM] [Warning] bagging_fraction is set=0.7, subsample=1.0 will be ignored. Current value: bagging_fraction=0.7

?

相關文章

Competition：2018年全國大學生計算機技能應用大賽《住房月租金預測大數據賽》——設計思路以及核心代碼

?

總結

以上是生活随笔為你收集整理的ML之LGBMRegressor(Competition)：2018年全国大学生计算机技能应用大赛《住房月租金预测大数据赛》——设计思路以及核心代码—191017再次更新的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。