【摘 要】
:
我国房价在2022年以前逐年上涨,高额的房价成为了许多年轻人的负担。因此,租房居住成为了现代人的一种越来越常见的生活方式,但我国目前的房屋租赁系统还不够完善,仍然存在许多乱象。在此基础上,分析住房租金的影响因素以及运用机器学习方法来预测租金,对我国当前租赁市场的发展有着较为重要的意义。本文利用python从链家网爬取了武汉市2月28日出租房源数据共9930条。首先对原始数据进行数据预处理,通过各种
论文部分内容阅读
我国房价在2022年以前逐年上涨,高额的房价成为了许多年轻人的负担。因此,租房居住成为了现代人的一种越来越常见的生活方式,但我国目前的房屋租赁系统还不够完善,仍然存在许多乱象。在此基础上,分析住房租金的影响因素以及运用机器学习方法来预测租金,对我国当前租赁市场的发展有着较为重要的意义。本文利用python从链家网爬取了武汉市2月28日出租房源数据共9930条。首先对原始数据进行数据预处理,通过各种直方图和箱线图等统计图表分析住房租金的分布情况以及各种因素对住房租金的影响。其次,通过随机森林对样本数据特征进行重要性排序,分析各个特征变量对住房租金的影响程度。本文建立了支持向量回归(SVR)、BP神经网络和随机森林模型对预处理后的数据进行预测分析。单一的预测模型SVR和BP神经网络能较好地模拟数据之间的非线性关系,但也存在一些缺陷,因此采用粒子群算法(PSO)对两种模型参数进行优化,最后得到PSO-SVR模型和PSO-BP模型。考虑到组合模型能结合两种单一预测模型的优点,本文采用Adaboost算法的集成方法,将PSO-SVR模型和PSO-BP模型进行结合,提出一种新的组合模型。这样两种算法进行互补,最后得到的预测结果也能更为准确。最后建立住房租金预测模型,通过PSO-SVR,PSO-BP,组合方法和随机森林,对武汉市房租价格分别进行预测。通过测试集数据,发现组合模型的误差更小,拟合效果更好。
其他文献
在复杂对抗场景中,存在自然云层以及人工诱饵等干扰,单一算法难以实现高机动性目标的稳定跟踪,抗干扰对抗系统需要基于场景类型及目标行为的感知信息综合调度多种算法策略。因此,从复杂干扰场景中获取多维度场景/目标感知信息对于实现系统的稳定检测跟踪至关重要。论文针对复杂干扰场景中场景/目标智能感知问题展开研究,主要研究内容如下:为了实现战场环境的快速评估,针对传统场景复杂度感知算法特征表示及适用范围具有较强
与传统康复方法相比,机器人辅助疗法人力成本低、康复效率高,气动人工肌肉作为一种具有固有柔顺性、力重比高等优点的驱动器,在以人为中心的康复机器人领域具有重要研究意义。在实际康复过程中,气动人工肌肉驱动的康复机器人的运动控制可以转化为气动人工肌肉的轨迹跟踪控制问题。然而,与电机等传统驱动器相比,气动人工肌肉具有高度的非线性和时滞特性等缺点,目前这类驱动器的跟踪控制策略存在精度不够高和鲁棒性不强的问题。
为了提高运载火箭的运载能力,运载火箭的设计逐渐往轻质化、大型化发展,导致弹性振动对运载火箭飞行性能的影响越来越大,不可忽视。而弹性振动方程的引入又导致火箭控制模型更加复杂,控制器设计难度更高。考虑到弹性模态和刚体姿态在时间尺度上一般存在较大差异,论文将利用奇异摄动理论能够有效处理双时间尺度系统的能力,开展运载火箭弹性抑制和姿态控制研究。首先,论文开展了弹性振动作用下的动力学分析,建立了运载火箭包含
包括下肢外骨骼、下肢智能假肢、下肢智能矫形器在内的下肢可穿戴机器人能够增强或恢复人体下肢运动能力,在医疗、军事和工业生产等领域具有重要的应用价值。下肢运动意图识别是下肢可穿戴机器人领域的一个重要研究方向,能够帮助机器人理解并顺应使用者的运动意图,提升其舒适性、安全性和智能化水平,有利于推动我国智能康复设备和国防装备的发展。充分获取并有效融合反映下肢运动意图的多模态传感器信息、同时准确识别下肢运动意
新能源、分布式能源为智能电网带来了新的机遇与挑战。智能电表与PMUs(phasor measurement units)等智能量测设备的大量部署,为电力供应商提供了海量数据信息,如何利用先进的数据分析技术保障电力系统的安全高效运行受到广泛的重视。线路拓扑辨识与用户特征提取是智能电网数据分析中的两大重要技术,对于优化运行决策和需求响应至关重要。因此,本文针对智能电表与PMUs量测数据驱动的线路拓扑辨
实例分割是一种最接近人类真实视觉感受的计算机视觉任务。虽然已有许多先进的方法,但是他们无法实现特定场景下的良好分割。其中,行人实例分割就是一个充满挑战的课题。由于密集行人存在大量遮挡,且可能尺度差异大、形变剧烈,设计一种精准、快速的行人实例分割算法尤为困难。Deep Snake是一种轻量化、扩展性强的网络,但是其在行人类别上表现不佳。因此,为了提升分割性能,对相关算法进行了分析和研究,提出了改进的
二阶微分方程在天体力学、分子动力学、量子力学、电子学和流体动力学等领域中具有广泛应用.由于人们一般难以求出其理论解,故通过构造数值算法以获得其高效高精度的数值解具有重要研究意义.本文针对一类二阶非线性时变延迟微分方程的初值问题与边值问题,构造了相应的Runge-Kutta-Nystr(?)m(RKN)方法,并分析了这两类方法的收敛性与非线性稳定性,最后通过数值实验验证了理论结果的正确性以及方法的可
Sine-Gordon方程可以用于描述某些重要的物理模型和现象,例如超导传输系统中横向电磁波的传播模型、耦合的同轴钟摆模型以及水晶错位现象.而空间分数阶sine-Gordon方程具有空间方向上的非局部效应,是经典sine-Gordon方程的推广.另外,通过引入延迟,微分方程能更准确地拟合一些具有历史记忆的模型和自然现象.因此在本文中,我们研究具分布型延迟的空间分数阶sine-Gordon方程.由于
行人重识别作为监控系统中关键的一环具有重要的研究意义,不同数据类型间的行人重识别也具有各自的应用场景。而不依赖标签的无监督场景研究,可以充分发挥数据量优势,并节约人工成本。本文借助无监督问题中常用的对比学习方法,分别对图像、视频和跨图像视频三种场景的行人重识别方式展开了研究。着重解决了现有的无监督行人重识别方法在样本标签去噪、视频信息提取和模态差异减小等方面存在的问题。针对无监督图像行人重识别问题
集群目标在自然界和社会生活中广泛存在,例如:无人机群、导弹群、战斗机群、鸟群和蜂群。因此,以空中集群目标为观测对象的研究对社会生活和军事国防均有重要的意义。但是,由于集群中目标数量多、间距小、表观特征相似等,在光学观测条件下运动轨迹多有交叉或遮挡,采用当前的一些跟踪手段,目标之间往往存在严重的跟踪干扰,其运动轨迹稳定跟踪是亟待突破的难点问题。针对以上问题,本文以开放空间中的蜂群目标为观测对象,对群