由于价格低廉,别具特色,并且提供全新的人际交往体验,在线短租越来越受到出行者的青睐。本文针对途家网在线短租房源数据,建立在线短租房价格的统计模型和算法模型,对在线短租房价格进行预测,为入住短租平台的房东对自身产品的定价提供参考,帮助其做出更好的决策。具体的工作概述如下:1.收集并处理数据。利用八爪鱼软件爬取成都市的在线短租房源信息,包括动态价格信息和静态信息(房屋类型、室内构造、服务保障信息等)。对这些数据进行清洗(缺失值、异常值的处理、归一化处理)和特征构造(连续变量离散化、分类变量哑变换),使之成为有效的可用于构建模型的数据。2.数据的描述性统计分析。对爬取的在线短租房源的四个方面指标(内部构造、区位因素、服务保障信息、评价因素)做描述性统计分析,掌握指标的分布,分析这些指标影响在线短租房价格波动的规律。3.构建在线短租房价格的线性回归模型。使用传统的线性回归模型对在线短租房价格进行预测,对模型效果做了评价,并以优化后的逐步回归模型作为基模型对特征进行选择。4.构建在线短租房价格的算法模型。使用回归树、bagging、boosting、随机森林和神经网络模型在特征选择的基础上对在线短租房价格进行预测,最后用NMSE值评价各个模型的效果,结果表明随机森林的测试集的NMSE值最低,达到0.2,预测效果最好。本文旨在利用在线短租房源数据,了解影响在线短租房价格的指标波动规律,进一步对在线短租房价格做预测,可以为消费者做决策支持,为商家定价提供参考,有重要的实际应用意义。