[发明专利]一种基于FFM算法的房屋租金预测方法

摘要

本发明公开了一种基于FFM算法的房屋租金预测方法，采用FFM算法对大量房屋出租信息进行数据清洗、特征提取、数据转换、特征建模，使用构建的模型对房租租金进行预测并找出异常租金数据。本发明不仅可以通过对数据进行清洗、特征提取、建模来实现对房屋租金的预测，还能够很好的检测到异常的房屋租金信息。本发明所提出的基于FFM算法的房租预测方法能很好的应对房屋数据稀疏的情况，能够自动学习特征之间的隐藏联系，是对房租预测的一种十分有效的方法。

主权项

1.一种基于FFM算法的房屋租金预测方法，其特征在于：包括以下几个步骤：Q1、对房屋数据清洗，即在房屋数据中，对缺失值进行处理；对城市与省份无法对应的记录进行修正；将租金值低于200与租金值高于5000的数据去除；将租金值为“面议”的数据去除；将房屋面积高于200的数据去除；将楼层值不详的数据去除；Q2、对清洗后的房屋数据进行特征提取，所述特征包括：房屋结构；房屋楼层高度；房屋总楼层；房屋朝向；房屋面积；房屋所在省市；房屋所在地区；房屋所在小区；房屋所提供的家具；房屋出租类型；房屋租金支付方式；所提供的房屋图片数量；所述提取包括：对房屋楼层高度、房屋朝向、房屋所在地区、房屋所在省市、房屋出租类型、房屋租金支付方式进行one‑hot编码，对房屋所提供的家具进行n‑hot编码；选择房屋所在省市、房屋所在小区、房屋所在地区、房屋朝向、房屋所在楼层高度的特征作为排序特征，依据特征值排序；Q3、将数据转换为FFM算法需要的格式，将Q2中所述特征的值转换成“field_id:feat_id:value”格式，field_id代表特征所属field的编号，feat_id是特征编号，value是特征的值；Q4、对提取出来的特征构建租金预测模型，公式为：|yreal‑ypred|/yreal>0.45其中yreal代表真实租金，ypred代表预测租金；Q5、对房屋租金进行预测；Q6、通过对比预测租金值与真实租金值找出异常租金数据。