此專案為成功大學 大數據分析與資料探勘課程 之期末報告，專題發想從大學生的角度切入，想找到合適又符合預算的出租房屋是一件相當困難的事情，因此本專題將挑選台南市區中的七個行政區，篩選出約50個條件的特徵值，利用機器學習模型預測該條件下之合理租金範圍，並將該模型部署於租金預測平台網站上，期望能降低租屋市場的資訊不對等與不透明，同時給予出租及承租雙方相對客觀的估價系統，以供作參考，操作頁面可參考以下連結。
資料集來自開放台灣民間租屋資料，租屋資料來源為591租屋網，資料時間為2021年01至05月份，地區為台南市東區、中西區、北區、南區、安平區、安南區及永康區之租屋資料，總有效筆數15,994筆。
- STEP 1. 選擇模型
- 線性迴歸(LinearRegression)
- 隨機迴歸森林(RandomForest)
- 極限梯度提升法(XGBoost)
- STEP 2. 輸入參數
- 輸入欲出租/承租之房屋各項參數
- STEP 3. 點擊估價按鈕進行估價
- STPE 4. 顯示估價結果
- 互動式地圖版面
- 會顯示選取的里別所在之實際區域
- 網頁技術
- 本平台為增加網站即時互動性，使用
Python Dash框架進行前後端撰寫，Dash是一個建立在Flask、Plotly.js以及React.js基礎上的高效簡潔框架，是建立互動式資料視覺化網站應用的利器，並將訓練好的模型部署在後端程式，可根據前端網頁模型的選擇不同，呼叫不同的模型進行預測結果的計算，最後考量金錢成本問題將網站部署於免費的雲平台heroku上。
- 本平台為增加網站即時互動性，使用
- 機器學習模型
- 使用
多元線性迴歸、隨機迴歸森林和XGBoost三種模型為主進行資料訓練，下表為各項模型參數與表現整理
- 使用
| 使用模型 | 設定條件 | R-Square | MAE | 採用 |
|---|---|---|---|---|
| 多元線性迴歸 | 無限定 | 0.47 | 140.50 | v |
| Lasso Regression | 0.32 | 140.41 | ||
| 隨機迴歸森林 | n_estimators=200 max_depth=5 |
0.47 | 139.98 | |
| n_estimators=1000 max_depth=5 |
0.47 | 140.12 | v | |
| XGBoost | Odjective=reg:squarederror n_estimators=200 colsample_bytree=0.3 learning_rate=0.1 max_depth=5 alpha=10 |
0.73 | 110.66 | |
| Odjective=reg:squarederror n_estimators=1000 colsample_bytree=0.3 learning_rate=0.1 max_depth=5 alpha=10 |
0.87 | 95.10 | v |
主要有三個子資料夾，分別存放資料前處理(preprocess/)、模型訓練過程(training/)及模型成果(model/)之相關檔案，其餘如下所示。
Rental_Prediction_TNN/
├─ preprocess/ // 原始資料前處理
| ├─ rawdata/
| | ├─ 2021Q1-deduplicated.csv
| | ├─ 202104-deduplicated.csv
| | └─ 202105-deduplicated.csv
| ├─ 編碼表/
| | └─ 編碼表.___.csv
| ├─ 前處理後租金資料.csv
| ├─ preprocess.ipynb
| ├─ preprocess2.ipynb
| └─ ...
├─ trainging/ // 模型訓練
| ├─ rentdata.csv
| └─ training.ipynb
├─ models/ // 模型成果
| ├─ linearregression2.pickle
| ├─ rd10002.pickle
| └─ xgb10002.pickle
├─ web_map/ // 互動式地圖
| ├─ map_test.html
| └─ vill.geojson
├─ main.py // 主程式
├─ func.py // 函數集
├─ requirements.txt
├─ runtime.txt
├─ Procfile
├─ images/
└─ README.md
- 黃軒柏
- 郭亭琳
- 王弘旻