如何用TensorFlow預測紐約市AirBnB租賃價格

這篇文章將為大家詳細講解有關如何用TensorFlow預測紐約市AirBnB租賃價格，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

介紹

Airbnb是一個在線市場，允許人們將自己的房產或空余房間出租給客人。每預訂3位客人，收取12%和6%的傭金。

該公司自2009年成立以來，已從每年幫助2.1萬名客人找到住處，發展到每年幫助600萬人度假，目前在90個不同國家的34000個城市列出了驚人的80萬套房產。

我將使用Kaggle-newyorkcityairbnb開放數據集，嘗試用TensorFlow建立一個神經網絡模型來進行預測。

目標是建立一個合適的機器學習模型，能夠預測未來住宿數據的價格。

我將展示我創建的Jupyter Notebook。你可以在GitHub上找到它：https://github.com/Timothy102/Tensorflow-for-Airbnb-Prices

加載數據

首先，讓我們看看如何加載數據。我們用wget直接從Kaggle網站上獲取數據。注意-o標志表示文件名。

數據集應該如下所示。共有48895行16列。

數據分析與預處理

Seaborn有一個非常簡潔的API，可以為各種數據繪制各種圖形。如果你對語法不太熟悉，可以查看本文：https://www.analyticsvidhya.com/blog/2019/09/comprehensive-data-visualization-guide-seaborn-python/

在pandas數據幀上使用corr之后，我們將其傳遞給一個heatmap函數。結果如下：

既然我們有經度和經度以及鄰里數據，讓我們創建一個散點圖：

此外，我刪除了重復項和一些不必要的列，并填寫了“reviews_per_month”，因為它有太多的缺失值。數據看起來像這樣。它有10列，沒有零值：

很好，對吧？

首先，電腦是做數字的。這就是為什么我們要把分類列轉換成一個one-hot編碼的向量。這是使用pandas的factorize方法完成的。你可以使用很多其他工具:

為了使損失函數保持在穩定的范圍內，讓我們對一些數據進行規范化，使平均值為0，標準差為1。

特征交叉

我們必須做出一個改變，這是一個必不可少的改變。為了使經度和緯度與模型輸出相關聯，我們必須創建一個特征交叉。下面的鏈接應該為你提供足夠的背景知識，使你能夠正確地感受到特征交叉：

• https://developers.google.com/machine-learning/crash-course/feature-crosses/video-lecture

• https://www.kaggle.com/vikramtiwari/feature-crosses-tensorflow-mlcc

我們的目標是介紹經緯度交叉，這是本書中最古老的技巧之一。如果我們只將這兩列作為值放入模型，它將假定這些值與輸出逐步相關。

相反，我們將使用特征交叉，這意味著我們將把經度*經度地圖分割成一個網格。幸運的是，TensorFlow使它變得容易。

我通過迭代（max-min）/100，從而生成一個分布均勻的幀網格。

我用的是100×100網格：

本質上，我們在這里所做的，是定義一個bucked列和前面定義的邊界，并創建一個DenseFeatures層，然后將傳遞給Sequential API。

如果你不熟悉Tensorflow語法，請檢查文檔：https://www.tensorflow.org/api_docs/python/tf/feature_column/

現在，終于，我們為模型訓練做好了準備。除了拆分數據部分，也就是說。

顯然，我們必須創建兩個數據集，一個包含所有數據，另一個包含預測得分。由于數據大小不匹配，這可能會給我們的模型帶來問題，所以我決定截斷太長的數據。

創建模型

最后，建立了Keras序列模型。

我們使用Adam優化器、均方誤差損失和兩個指標來編譯模型。

此外，我們使用兩個回調：

• 早停，這是不言而喻的

• 降低高原學習率。

經過50個epoch的訓練，batch大小為64，我們的模型是相當成功的。

我們使用紐約市的AirBnB數據建立了一個全連接的神經網絡來預測未來的價格。Pandas和seaborn使得可視化和檢查數據變得非常容易。我們在模型中引入了經緯度交叉作為特征的思想。并且多虧了Kaggle的開放數據集，我們得到了一個完全可操作的機器學習模型。

關于如何用TensorFlow預測紐約市AirBnB租賃價格就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。