基于LRF方法的在线短租房源价格特征选择研究

• 作者: 张浩 朱晨龙
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 特征选择 Lasso 随机森林 在线短租 房源价格
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 1-5
• 页数: 5页
• 分类号: TP301
• 字数: 3963字
• 语种: 中文
• DOI: 10.11907/rjdk.192596

摘要

为解决单一特征选择方法的局限性问题,提出 Lasso-RF(LRF)混合特征选择方法,并应用于在线短租房源价格问题研究.基于Airbnb房源数据,实验首先通过Lasso回归进行特征选择,处理特征之间的多重共线性;然后采用随机森林算法精选剩余特征,最终得到35个重要特征,并带入4个预测模型中进行比较.结果表明,特征之间的多重共线性会影响随机森林算法对特征重要度的度量;LRF-RF预测模型与 RF-RF预测模型相比,评价指标 R2和 MSE分别提高了 0.005、0.006,同时运行时间缩短 0.267秒,表明 LRF混合特征选择方法优于单一的RF特征选择方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张浩	江苏科技大学经济管理学院	52	222	9.0	11.0
2	朱晨龙	江苏科技大学经济管理学院	1	0	0.0	0.0