5.10 住房月租金预测

官网链接：住房月租金预测)

1 数据背景

当今社会，房屋租金由装修情况、位置地段、户型格局、交通便利程度、市场供需量等多方面因素综合决定，对于租房这个相对传统的行业来说，信息严重不对称一直存在。一方面，房东不了解租房的市场真实价格，只能忍痛空置高租金的房屋；另一方面，租客也找不到满足自己需求高性价比房屋，这造成了租房资源的极大浪费。

本赛题将基于租房市场的痛点，提供脱敏处理后的真实租房市场数据。选手需要利用有月租金标签的历史数据建立模型，实现基于房屋基本信息的住房月租金预测，为该城市租房市场提供客观衡量标准。

2 任务

数据为某地4个月的房屋租赁价格以及房屋的基本信息，我们对数据做了脱敏处理。

选手需要利用训练集中的房屋信息和月租金训练模型，利用测试集中的房屋信息对测试集数据中的房屋的月租金进行预测。

3 数据

数据分为两组，分别是训练集和测试集。

训练集为前3个月采集的数据，共196539条。

测试集为第4个月采集的数据，相对于训练集，增加了“id”字段，为房屋的唯一id，且无“月租金”字段，其它字段与训练集相同，共56279条。

训练集所含字段如下：

4 评分标准

算法通过计算预测值和真实房租月租金的均方根误差来衡量回归模型的优劣。均方根误差越小，说明回归模型越好。

均方根误差计算公式如下：