文章插图
作者：韩信子@ShowMeAI 数据分析实战系列：https://www.showmeai.tech/tutorials/40 机器学习实战系列：https://www.showmeai.tech/tutorials/41 本文地址：https://www.showmeai.tech/article-detail/316 声明：版权所有，转载请联系平台与作者并注明出处 收藏ShowMeAI查看更多精彩内容
文章插图
大家出去旅游最关心的问题之一就是住宿 ， 在国外以 Airbnb 为代表的民宿互联网模式彻底改变了酒店业，很多游客更喜欢预订 Airbnb 而不是酒店，而在国内的美团飞猪等平台 ， 也有大量的民宿入驻 。
在现在这个信息透明开放的互联网时代，我们能否收集数据信息，开发一个机器学习模型来预测房源价格 ， 为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在大曼彻斯特地区的房源数据为例（截至 2022 年 3 月） ， 来演示数据分析与挖掘建模的全过程，同样的方法模式可以应用在大家熟悉的国内平台上 。
文章插图
下面的项目业务和 Airbnb民宿数据 来源于 Inside Airbnb ， 包含有关 Airbnb 对住宅社区影响的数据和宣传 。数据源可以在上述链接中获取，大家也可以访问ShowMeAI的百度网盘地址，获取我们为大家存储好的项目数据 。
实战数据集下载（百度网盘）：公众号『ShowMeAI研究中心』回复『实战』，或者点击 这里 获取本文 [22]基于Airbnb数据的民宿房价预测模型 『Airbnb民宿数据』
ShowMeAI官方GitHub：https://github.com/ShowMeAI-Hub业务问题一般我们需要在开始挖掘和建模之前，深入了解我们的业务场景和数据情况，我们先总结了一些在这个业务场景下我们关心的一些业务问题，我们将通过数据分析挖掘来完成这些业务问题的理解 。
- 哪些地区或城镇的 Airbnb 房源最多？
- 最受欢迎的房型是什么？
- 大曼彻斯特地区的 Airbnb 房源价格特点是什么？
- 房源与房东的分布情况？
- 大曼彻斯特地区有哪些房型可供选择？
- 机器学习模型预测该地区 Airbnb 房源价格的思路是什么样的？
- 在预测大曼彻斯特地区 Airbnb 房源的价格时，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)接下来我们读取大曼彻斯特地区的房源数据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')查看数据的基础信息如下gm_listings.head()
文章插图
gm_listings.shape# (3584, 74)gm_listings.columns
文章插图
gm_calendar.head()
文章插图
gm_reviews.head()
文章插图
我们对数据的初览可以看到，大曼彻斯特地区的房源数据集包含 3584 行和 78 列，包含有关房东、房源类型、区域和评级的信息 。
数据清洗
文章插图
数据清洗是机器学习建模应用的【特征工程】阶段的核心步骤，它涉及的方法技能欢迎大家查阅ShowMeAI对应的教程文章，快学快用 。
