关于人工智能:用TensorFlow预测纽约市AirBnB租赁价格

作者|TIMOTHY102
编译|VK
起源|Analytics Vidhya

Airbnb是一个在线市场，容许人们将本人的房产或空余房间出租给客人。每预订3位客人，收取12%和6%的佣金。

该公司自2009年成立以来，已从每年帮忙2.1万名客人找到住处，倒退到每年帮忙600万人度假，目前在90个不同国家的34000个城市列出了惊人的80万套房产。

在本文中，我将应用Kaggle-newyorkcityairbnb凋谢数据集，尝试用TensorFlow建设一个神经网络模型来进行预测。

指标是建设一个适合的机器学习模型，可能预测将来住宿数据的价格。

在本文中，我将展现我创立的Jupyter Notebook。你能够在GitHub上找到它：https://github.com/Timothy102...

首先，让咱们看看如何加载数据。咱们用wget间接从Kaggle网站上获取数据。留神-o标记示意文件名。

数据集应该如下所示。共有48895行16列。

Seaborn有一个十分简洁的API，能够为各种数据绘制各种图形。如果你对语法不太熟悉，能够查看本文：https://www.analyticsvidhya.c...

在pandas数据帧上应用corr之后，咱们将其传递给一个heatmap函数。后果如下：

既然咱们有经度和经度以及邻里数据，让咱们创立一个散点图：

此外，我删除了反复项和一些不必要的列，并填写了“reviews_per_month”，因为它有太多的缺失值。数据看起来像这样。它有10列，没有零值：

很好，对吧？

首先，电脑是做数字的。这就是为什么咱们要把分类列转换成一个one-hot编码的向量。这是应用pandas的factorize办法实现的。你能够应用很多其余工具:

为了使损失函数放弃在稳固的范畴内，让咱们对一些数据进行规范化，使平均值为0，标准差为1。

咱们必须做出一个扭转，这是一个必不可少的扭转。为了使经度和纬度与模型输入相关联，咱们必须创立一个特色穿插。上面的链接应该为你提供足够的背景常识，使你可能正确地感触到特色穿插：

咱们的指标是介绍经纬度穿插，这是本书中最古老的技巧之一。如果咱们只将这两列作为值放入模型，它将假设这些值与输入逐渐相干。

相同，咱们将应用特色穿插，这意味着咱们将把经度*经度地图宰割成一个网格。侥幸的是，TensorFlow使它变得容易。

我通过迭代（max-min）/100，从而生成一个散布平均的帧网格。

我用的是100×100网格：

实质上，咱们在这里所做的，是定义一个bucked列和后面定义的边界，并创立一个DenseFeatures层，而后将传递给Sequential API。

如果你不相熟Tensorflow语法，请查看文档：https://www.tensorflow.org/ap...

当初，终于，咱们为模型训练做好了筹备。除了拆分数据局部，也就是说。

显然，咱们必须创立两个数据集，一个蕴含所有数据，另一个蕴含预测得分。因为数据大小不匹配，这可能会给咱们的模型带来问题，所以我决定截断太长的数据。

最初，建设了Keras序列模型。

咱们应用Adam优化器、均方误差损失和两个指标来编译模型。

此外，咱们应用两个回调：

通过50个epoch的训练，batch大小为64，咱们的模型是相当胜利的。

咱们应用纽约市的AirBnB数据建设了一个全连贯的神经网络来预测将来的价格。Pandas和seaborn使得可视化和检查数据变得非常容易。咱们在模型中引入了经纬度穿插作为特色的思维。并且多亏了Kaggle的凋谢数据集，咱们失去了一个齐全可操作的机器学习模型。

原文链接：https://www.analyticsvidhya.c...

欢送关注磐创AI博客站：
http://panchuang.net/

sklearn机器学习中文官网文档：
http://sklearn123.com/

欢送关注磐创博客资源汇总站：
http://docs.panchuang.net/