基于集成学习的房租预测研究

住房租赁市场的快速发展使得人们对房屋租赁信息的需求不断增加,对房屋租金关注持续变高。租房市场供给两端一直存在着信息不对称的问题,房租是由诸多方面因素共同决定的,而现有的基于单一算法的房租预测模型,其预测精度往往受模型性能好坏、噪声、以及过度拟合风险等因素影响。本文基于堆叠集成策略,融合Random Forest Regressor、Extra Trees Regressor、LightGBM三个基模型,建立了集成学习的房租预测模型。研究结果表明,本方法预测精度明显优于任一单一预测模型,提高了预测的准确性和稳定性,证实了该模型在房租预测上的有效性。