预测长租公寓是否符合预期的方法、系统、设备及介质

摘要

本发明公开了一种预测长租公寓是否符合预期的方法、系统、设备和存储介质，方法包括：获取长租公寓的租赁数据，将单位时间内的第一比例的数据作为验证集，将单位时间内的其他数据划分为训练集和测试集；使用训练集生成基本随机森林模型，使用测试集计算基本随机森林模型中每个决策树的AUC值；保留预设数量个AUC值最高的决策树，并对保留的决策树进行聚类以得到随机森林模型，并使用验证集对随机森林模型进行验证以得到最终的随机森林模型；以及获取用户输入的目标长租公寓数据，并利用最终的随机森林模型对目标长租公寓数据进行处理以预测目标长租公寓是否符合预期。本发明通过使用随机森林算法，预测目标长租公寓是否符合要求，减少了租房的风险。

说明书

技术领域

本发明涉及数据分析领域，更具体地，特别是指一种预测长租公寓是否符合预期的方法、系统、计算机设备及可读介质。

背景技术

目前越来越多的人进入大城市寻找工作机会，随之而来的就是这些人的住宿问题，当代年轻人相比过去更加追求生活舒适度与幸福感，于是单人的长租公寓成为了年轻人的首选。租赁中介公司等，也越来越多。为了能够省心，人们肯定希望能够选择到一个适合自己长期居住的公寓，这样就可以省去搬家的麻烦。但是目前在房屋租赁领域还有很多规则并不完善，有可能会出现中介携款跑路的情况，增加了租房的风险。

目前的房屋租赁平台，大多只是一种类似于市场的平台，出租房按照平台标准挂出房屋信息，承租方根据信息进行选择和咨询，信息并不公开透明，也不保证准确真实，使得承租方不容易做出选择，且可能承担更多的风险。

发明内容

有鉴于此，本发明实施例的目的在于提出一种预测长租公寓是否符合预期的方法、系统、计算机设备及计算机可读存储介质，通过使用随机森林算法，只保留AUC值高的决策树，并对保留的决策树进行聚类，提高了预测的准确性。基于本方法，可以减少用户寻找合适公寓的时间并降低中介与房东出现信用问题的风险，便于维护公寓房东、中介与租客三者的利益关系，提高公寓租赁平台的竞争力，可为人工智能平台提供训练数据与推理功能。

基于上述目的，本发明实施例的一方面提供了一种预测长租公寓是否符合预期的方法，包括如下步骤：获取长租公寓的租赁数据，并将单位时间内的第一比例的数据作为验证集，将单位时间内的其他数据划分为训练集和测试集；使用所述训练集生成基本随机森林模型，使用所述测试集计算所述基本随机森林模型中每个决策树的AUC值；保留预设数量个AUC值最高的决策树，并对保留的决策树进行聚类以得到随机森林模型，并使用所述验证集对所述随机森林模型进行验证以得到最终的随机森林模型；以及获取用户输入的目标长租公寓数据，并利用所述最终的随机森林模型对所述目标长租公寓数据进行处理以预测所述目标长租公寓是否符合预期。

在一些实施方式中，所述对保留的决策树进行聚类以得到随机森林模型包括：计算保留的决策树中每两个决策树之间的相似度，并判断所述相似度是否超过阈值；以及响应于两个决策树之间的相似度超过阈值，将所述两个决策树划分成一类。

在一些实施方式中，所述对保留的决策树进行聚类以得到随机森林模型，并使用所述验证集对所述随机森林模型进行验证以得到最终的随机森林模型包括：计算AUC值最高的第一决策树与其他每个决策树之间的相似度，并将相似度高于所述阈值的决策树均划分到所述第一决策树所属的一类中，并使用所述验证集判断当前随机森林模型的准确率是否符合要求；以及响应于当前随机森林模型的准确率不符合要求，计算未分类的决策树中AUC值最高的第二决策树与其他未分类的决策树之间的相似度，并将相似度高于所述阈值的决策树均划分到所述第二决策树所属的一类中，重复本步骤直到当前随机森林模型的准确率符合要求。

在一些实施方式中，所述将单位时间内的其他数据划分为训练集和测试集包括：将所述其他数据通过分层采样划分成十个大小相同的互斥子集，将其中的九个子集的并集作为训练集，并将余下的子集作为测试集。

本发明实施例的另一方面，还提供了一种预测长租公寓是否符合预期系统，包括：划分模块，配置用于获取长租公寓的租赁数据，并将单位时间内的第一比例的数据作为验证集，将单位时间内的其他数据划分为训练集和测试集；计算模块，配置用于使用所述训练集生成基本随机森林模型，使用所述测试集计算所述基本随机森林模型中每个决策树的AUC值；验证模块，配置用于保留预设数量个AUC值最高的决策树，并对保留的决策树进行聚类以得到随机森林模型，并使用所述验证集对所述随机森林模型进行验证以得到最终的随机森林模型；以及执行模块，配置用于获取用户输入的目标长租公寓数据，并利用所述最终的随机森林模型对所述目标长租公寓数据进行处理以预测所述目标长租公寓是否符合预期。

在一些实施方式中，所述验证模块配置用于：计算保留的决策树中每两个决策树之间的相似度，并判断所述相似度是否超过阈值；以及响应于两个决策树之间的相似度超过阈值，将所述两个决策树划分成一类。

在一些实施方式中，所述验证模块配置用于：计算AUC值最高的第一决策树与其他每个决策树之间的相似度，并将相似度高于所述阈值的决策树均划分到所述第一决策树所属的一类中，并使用所述验证集判断当前随机森林模型的准确率是否符合要求；以及响应于当前随机森林模型的准确率不符合要求，计算未分类的决策树中AUC值最高的第二决策树与其他未分类的决策树之间的相似度，并将相似度高于所述阈值的决策树均划分到所述第二决策树所属的一类中，重复本步骤直到当前随机森林模型的准确率符合要求。

在一些实施方式中，所述划分模块配置用于：将所述其他数据通过分层采样划分成十个大小相同的互斥子集，将其中的九个子集的并集作为训练集，并将余下的子集作为测试集。

本发明实施例的又一方面，还提供了一种计算机设备，包括：至少一个处理器；以及存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现如上方法的步骤。

本发明实施例的再一方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。

本发明具有以下有益技术效果：通过使用随机森林算法，只保留AUC值高的决策树，并对保留的决策树进行聚类，提高了预测的准确性。基于本方法，可以减少用户寻找合适公寓的时间并降低中介与房东出现信用问题的风险，便于维护公寓房东、中介与租客三者的利益关系，提高公寓租赁平台的竞争力，可为人工智能平台提供训练数据与推理功能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。

图1为本发明提供的预测长租公寓是否符合预期的方法的实施例的示意图；

图2为本发明提供的预测长租公寓是否符合预期的计算机设备的实施例的硬件结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。

需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。

基于上述目的，本发明实施例的第一个方面，提出了一种预测长租公寓是否符合预期的方法的实施例。图1示出的是本发明提供的预测长租公寓是否符合预期的方法的实施例的示意图。如图1所示，本发明实施例包括如下步骤：

S1、获取长租公寓的租赁数据，并将单位时间内的第一比例的数据作为验证集，将单位时间内的其他数据划分为训练集和测试集；

S2、使用训练集生成基本随机森林模型，使用测试集计算基本随机森林模型中每个决策树的AUC值；

S3、保留预设数量个AUC值最高的决策树，并对保留的决策树进行聚类以得到随机森林模型，并使用验证集对随机森林模型进行验证以得到最终的随机森林模型；以及

S4、获取用户输入的目标长租公寓数据，并利用最终的随机森林模型对目标长租公寓数据进行处理以预测目标长租公寓是否符合预期。

本发明根据第三方租赁平台上提供的出租房信息、中介人员信息、房东信息、中介公司信息与用户提出的基本要求，结合租赁交易的大数据，进行特征提取与数据预处理，通过训练生成多个随机森林模型，通过AUC(Area Under ROC Curve，衡量预测模型优劣的一种标准)和相似度对比筛选出性能更好更稳定的模型，在用户寻找出租公寓时进行预测，实现预测长租公寓是否出租成功的功能，并为人工智能平台提供训练数据与推理功能。

获取长租公寓的租赁数据，并将单位时间内的第一比例的数据作为验证集，将单位时间内的其他数据划分为训练集和测试集。

收集关于公寓、中介、租客的租赁交易历史信息，和与之对应的交易结果，并将其作为标签保存在训练集中。可以将采集的公寓租赁数据存储到alluxio(一种基于内存的分布式文件系统)，既能整合多种分布式存储文件系统，又能在进行模型训练时，通过加载内存的方式加速数据读取速度，加快训练与预测效率。对数据做简单的泛化处理，对数据进行清洗和充实。

将单位时间内的第一比例的数据作为验证集，将单位时间内的其他数据划分为训练集和测试集。将数据按照时间进行分层，因为同一时间段可能会由于一些原因，例如租房旺季淡季、出台了新的租房政策、新公寓建成、季节、社会经济形势例如疫情影响等特殊情况，导致这一时间段内的房屋租赁结果波动严重，随机取样会不准确，第一比例可以是20％，可以按照时间提取出20％的数据作为验证集，用来在训练完成之后评估模型准确率。例如，将单位时间设置为一个月(30天)，可以选择一个月中的20％(6天)的数据作为验证集，将其余的24天的数据作为测试集和训练集。

在一些实施方式中，所述将单位时间内的其他数据划分为训练集和测试集包括：将所述其他数据通过分层采样划分成十个大小相同的互斥子集，将其中的九个子集的并集作为训练集，并将余下的子集作为测试集。

使用十折交叉验证法把单位时间内剩余的80％的数据集划分为训练集和测试集。十折交叉验证法是一种将数据集通过分层采样划分为十个大小相似的互斥子集，将九个子集的并集作为训练集，余下的作为测试集，可获得十组训练/测试集，最终返回十个测试结果均值的方法，能够尽量保证评估结果的稳定性与保真性；

使用训练集生成基本随机森林模型，使用测试集计算基本随机森林模型中每个决策树的AUC值。由于收集到的数据里会包含很多噪声项，也就是对于预测结果不会有影响的项，那么就要进行特征提取，本发明实施例中提取了公寓建成时间、公寓地点、公寓楼层、公寓房屋朝向、公寓基础家电列表、公寓租金、公寓租金押金付款方式、公寓出租合同时长、中介公司信誉评级、中介员工评分、房东信息是否完整这11项特征作为训练集进行训练。然后可以根据用户比较关注的3项特征作为测试集计算每个决策树的AUC值。

保留预设数量个AUC值最高的决策树，并对保留的决策树进行聚类以得到随机森林模型，并使用验证集对随机森林模型进行验证以得到最终的随机森林模型。预设数量可以根据具体的场景进行对应的设置，例如，预设数量为10，则保留AUC值排在前10的决策树。

在一些实施方式中，所述对保留的决策树进行聚类以得到随机森林模型包括：计算保留的决策树中每两个决策树之间的相似度，并判断所述相似度是否超过阈值；以及响应于两个决策树之间的相似度超过阈值，将所述两个决策树划分成一类。计算保留的决策树之间的相似度，使用保留的决策树对测试集进行预测，记录预测结果，假设测试集中包括m组数据，决策树将会得到m个预测结果，将决策树预测结果两两对比得到n个相同的预测结果，定义这两棵树的相似度为n/m，如果相似度超过指定阈值，则算决策树相似，将相似的决策树使用聚类方法划分为一类，降低树的规模，既保证准确率又保证不会过拟合。

在一些实施方式中，所述对保留的决策树进行聚类以得到随机森林模型，并使用所述验证集对所述随机森林模型进行验证以得到最终的随机森林模型包括：计算AUC值最高的第一决策树与其他每个决策树之间的相似度，并将相似度高于所述阈值的决策树均划分到所述第一决策树所属的一类中，并使用所述验证集判断当前随机森林模型的准确率是否符合要求；以及响应于当前随机森林模型的准确率不符合要求，计算未分类的决策树中AUC值最高的第二决策树与其他未分类的决策树之间的相似度，并将相似度高于所述阈值的决策树均划分到所述第二决策树所属的一类中，重复本步骤直到当前随机森林模型的准确率符合要求。

例如，保留的10个决策树按照AUC值从高到低依次为A、B、C、D、E、F、G、H、I、J，计算第一决策树A与其他9个决策树的相似度，假设B、C和J与A的相似度超过阈值，则将A、B、C和J分为一类，根据验证集判断当前随机森林模型的准确率是否符合要求，如果符合要求，则当前随机森林模型即为最终随机森林模型，如果不符合要求，就计算未分类的决策树中AUC值最高的第二决策树D与其他5个决策时的相似度，再次进行分类后判断准确率是否满足要求，以此类推，直到满足要求即停止聚类。

获取用户输入的目标长租公寓数据，并利用最终的随机森林模型对目标长租公寓数据进行处理以预测目标长租公寓是否符合预期。在用户选择想要租的公寓时，进行预期填写，提交后将平台与用户提供的参数传入随机森林模型，进行是否符合预期能否租赁成功的预测。

本发明实施例使用随机森林算法并通过决策树相似性提高模型精度，对租客提出的租赁公寓需求进行预测，判断能否租赁成功，优化平台的租赁模式；本发明通过对公寓信息、房东信息、中介信息、租客期望的参数进行分析，对训练数据集进行特征选择等预处理，提高模型训练的效率与精度，减少消耗；本发明使用alluxio，实现租赁大数据的跨存储系统整合，通过数据加载至内存，提高大数据的可用性和训练模型读取数据的效率。

需要特别指出的是，上述预测长租公寓是否符合预期的方法的各个实施例中的各个步骤均可以相互交叉、替换、增加、删减，因此，这些合理的排列组合变换之于预测长租公寓是否符合预期的方法也应当属于本发明的保护范围，并且不应将本发明的保护范围局限在实施例之上。

基于上述目的，本发明实施例的第二个方面，提出了一种预测长租公寓是否符合预期的系统，包括：划分模块，配置用于获取长租公寓的租赁数据，并将单位时间内的第一比例的数据作为验证集，将单位时间内的其他数据划分为训练集和测试集；计算模块，配置用于使用所述训练集生成基本随机森林模型，使用所述测试集计算所述基本随机森林模型中每个决策树的AUC值；验证模块，配置用于保留预设数量个AUC值最高的决策树，并对保留的决策树进行聚类以得到随机森林模型，并使用所述验证集对所述随机森林模型进行验证以得到最终的随机森林模型；以及执行模块，配置用于获取用户输入的目标长租公寓数据，并利用所述最终的随机森林模型对所述目标长租公寓数据进行处理以预测所述目标长租公寓是否符合预期。

在一些实施方式中，所述验证模块配置用于：计算保留的决策树中每两个决策树之间的相似度，并判断所述相似度是否超过阈值；以及响应于两个决策树之间的相似度超过阈值，将所述两个决策树划分成一类。

在一些实施方式中，所述验证模块配置用于：计算AUC值最高的第一决策树与其他每个决策树之间的相似度，并将相似度高于所述阈值的决策树均划分到所述第一决策树所属的一类中，并使用所述验证集判断当前随机森林模型的准确率是否符合要求；以及响应于当前随机森林模型的准确率不符合要求，计算未分类的决策树中AUC值最高的第二决策树与其他未分类的决策树之间的相似度，并将相似度高于所述阈值的决策树均划分到所述第二决策树所属的一类中，重复本步骤直到当前随机森林模型的准确率符合要求。

在一些实施方式中，所述划分模块配置用于：将所述其他数据通过分层采样划分成十个大小相同的互斥子集，将其中的九个子集的并集作为训练集，并将余下的子集作为测试集。

基于上述目的，本发明实施例的第三个方面，提出了一种计算机设备，包括：至少一个处理器；以及存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行以实现如下步骤：S1、获取长租公寓的租赁数据，并将单位时间内的第一比例的数据作为验证集，将单位时间内的其他数据划分为训练集和测试集；S2、使用训练集生成基本随机森林模型，使用测试集计算基本随机森林模型中每个决策树的AUC值；S3、保留预设数量个AUC值最高的决策树，并对保留的决策树进行聚类以得到随机森林模型，并使用验证集对随机森林模型进行验证以得到最终的随机森林模型；以及S4、获取用户输入的目标长租公寓数据，并利用最终的随机森林模型对目标长租公寓数据进行处理以预测目标长租公寓是否符合预期。

在一些实施方式中，所述对保留的决策树进行聚类以得到随机森林模型包括：计算保留的决策树中每两个决策树之间的相似度，并判断所述相似度是否超过阈值；以及响应于两个决策树之间的相似度超过阈值，将所述两个决策树划分成一类。

在一些实施方式中，所述对保留的决策树进行聚类以得到随机森林模型，并使用所述验证集对所述随机森林模型进行验证以得到最终的随机森林模型包括：计算AUC值最高的第一决策树与其他每个决策树之间的相似度，并将相似度高于所述阈值的决策树均划分到所述第一决策树所属的一类中，并使用所述验证集判断当前随机森林模型的准确率是否符合要求；以及响应于当前随机森林模型的准确率不符合要求，计算未分类的决策树中AUC值最高的第二决策树与其他未分类的决策树之间的相似度，并将相似度高于所述阈值的决策树均划分到所述第二决策树所属的一类中，重复本步骤直到当前随机森林模型的准确率符合要求。

在一些实施方式中，所述将单位时间内的其他数据划分为训练集和测试集包括：将所述其他数据通过分层采样划分成十个大小相同的互斥子集，将其中的九个子集的并集作为训练集，并将余下的子集作为测试集。

如图2所示，为本发明提供的上述预测长租公寓是否符合预期的计算机设备的一个实施例的硬件结构示意图。

以如图2所示的装置为例，在该装置中包括一个处理器301以及一个存储器302，并还可以包括：输入装置303和输出装置304。

处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接，图2中以通过总线连接为例。

存储器302作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的预测长租公寓是否符合预期的方法对应的程序指令/模块。处理器301通过运行存储在存储器302中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的预测长租公寓是否符合预期的方法。

存储器302可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据预测长租公寓是否符合预期的方法的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至本地模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置303可接收输入的用户名和密码等信息。输出装置304可包括显示屏等显示设备。

一个或者多个预测长租公寓是否符合预期的方法对应的程序指令/模块存储在存储器302中，当被处理器301执行时，执行上述任意方法实施例中的预测长租公寓是否符合预期的方法。

执行上述预测长租公寓是否符合预期的方法的计算机设备的任何一个实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。

本发明还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时执行如上方法的计算机程序。

最后需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，预测长租公寓是否符合预期的方法的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，程序的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。

以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。

应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。

上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。