基于XGBoost融合距離因子的南寧租房價格預測與影響因素分析

摘要：為提升城市租房價格預測的準確性并探究其關鍵影響因素，該研究以南寧市為例，構建了一種融合核心區域距離因子的XGBoost房租預測模型。研究首先利用Python技術采集鏈家網的南寧市房源數據，并進行了數據清洗、特征工程（包括引入房源至購物中心、地鐵站及學校的空間距離）和數據變換。同時，采用K-means聚類算法對區域價格的空間聚集效應進行了驗證與可視化呈現。實驗結果表明，所構建的融合核心區域距離因子的XGBoost模型在租房價格預測精度上顯著優于傳統的隨機森林模型和線性回歸模型。研究證實，空間距離因子的有效融入顯著提升了模型對城市租房價格的預測性能，其成果可為租金的合理制定及城市空間結構優化提供有價值的量化參考與決策支持。

關鍵詞：特征工程；XGBoost模型；核心區域距離因子；房租預測

中圖分類號：TP181文獻標識碼：A

文章編號：1009-3044（2025）20-0075-04

0引言

在當今社會，隨著城市化進程的加速和人們生活水平的提高，租房已成為城市居民生活中的常見選擇。隨著互聯網技術的發展，越來越多的人傾向于通過在線平臺尋找和租賃房屋。在此背景下，房屋租金的預測與定價成為備受關注的問題。然而，傳統的人為評估方式易受主觀因素影響，雖能靈活考慮特定市場環境與政策導向，但常因缺乏全面的市場數據支撐，導致租金評估的公平性、科學性和準確性受到一定程度的影響[1]。

房租價格的影響因素可從宏觀和微觀兩個層面進行分析。宏觀層面主要包括經濟因素、區位因素及交通因素；微觀層面則主要關注房屋特征對租房價格的影響[2]。微觀層面涉及的特征變量繁多，且這些變量與租金價格往往呈現復雜的非線性關系，這為機器學習方法的應用與建模提供了適宜場景[3]。因此，準確預測房屋租金不僅對租戶高效選擇適宜住房至關重要，也為房東制定合理的租金策略提供了重要的現實指導價值[4]。

鑒于此，本研究通過系統性采集互聯網租房信息，經過數據預處理、多維度特征分析（含可視化）以及預測模型構建等關鍵環節，深入探究影響租房價格的各類屬性因素及其相互關系，進而構建一個高效、精準的租房價格預測模型。期望通過該模型實現對房屋租金的精準預測，從而為租戶的理性租房決策提供有力支持，并為房東科學制定租金價格提供可靠參考。

1數據采集與預處理

1.1數據采集

本研究采用Python編程語言，結合requests庫與BeautifulSoup庫，針對鏈家網上南寧市的租房房源數據進行了定向采集。通過requests庫高效發送HTTP請求，使用BeautifulSoup庫精準解析HTML文檔，從中提取所需目標數據。

為保證數據采集過程的穩定性與完整性，爬蟲程序設計中融入了請求重試機制，并配置了多個代理IP，以規避可能出現的網絡訪問限制。此外，根據鏈家網租房列表頁面的結構特征，設計了循環遍歷策略，系統性地爬取了前700頁房源列表，提取各房源的詳情頁鏈接后，進一步采集每個房源的詳細信息。解析過程中，采用html.parser作為解析引擎，利用Beauti?fulSoup對抓取的HTML內容進行結構化處理。最終，共獲得20426條原始房源記錄，每條記錄包含小區名稱、房源描述、所在行政區、電梯配備情況、總樓層數、月租金（元）、建筑面積（㎡）、戶型結構等27項詳細屬性。所有原始數據均以CSV格式存儲，為后續數據預處理與模型分析提供數據基礎。部分采集到的房源詳細信息如表1所示。

1.2數據預處理

1.2.1數據清洗

爬蟲采集的原始數據中不可避免地存在噪聲數據與異常值。針對數據中的噪聲問題，本研究進行了如下清洗操作：對于租金價格缺失的記錄，直接予以刪除；對于明顯不符合市場常規的極端價格異常值，也采用刪除策略。原始數據中的“總樓層”屬性列同時包含房源所在樓層（如高、中、低）和建筑物總層高信息。為便于分析，本研究對該列數據進行了拆分與轉換：提取數值型的總層高，并增設“樓層類型”（如低樓層、中樓層、高樓層）作為新的類別特征。例如，原記錄中“低樓層/30層”的數據，處理后“總樓層”更新為30，“樓層類型”更新為“低樓層”。面積屬性中存在“㎡”單位后綴，可能影響后續數據分析與計算，因此將其去除。針對“電梯”屬性中存在的與建筑規范不符的邏輯錯誤（如某18層房源被錯誤標注為“無”電梯），本研究依據《住宅設計規范》中關于七層及以上住宅必須設置電梯的規定，對此類數據進行了校正。此類噪聲數據的存在將嚴重影響后續分析的準確性，故采用pandas庫進行了系統性清洗與修正。處理后的部分數據樣例如表2所示。

1.2.2空間特征構建

原始數據中的“小區名稱”和“所在區域”等文本型地理位置信息，若直接作為類別特征輸入模型，難以充分體現其對租金價格的空間影響。然而，地理位置是決定租金水平的核心因素之一，簡單舍棄此類信息將導致關鍵信息的丟失。大量研究與市場實踐表明，房源與核心功能區域（如主要地鐵站點、大型購物中心、優質學區等）的鄰近程度，對租房價格具有至關重要的影響。基于此，本研究系統收集了南寧市104個地鐵站點、59個主要購物中心/大型商場以及30所重點學校的興趣點（PointofInterest，POI）數據。隨后，利用百度地圖的地理編碼服務（GeocodingAPI），精確獲取了這些核心區域的經緯度坐標。在獲得房源自身及上述核心區域的地理坐標后，本研究計算了每個房源至最近地鐵站、最近購物中心以及最近學校的歐氏距離。這些距離特征被作為關鍵空間因子整合進數據集中，替代原有文本型地理描述，并參與后續模型訓練。

1.2.3數據變換與規約

對于數據集中剩余的類別型特征，如“樓層類型”“房屋朝向”等名義變量，本研究采用獨熱編碼（One-HotEncoding）技術將其轉換為數值型啞變量。這一處理方式避免了模型對類別間偽序關系的錯誤學習，并能完整保留原始類別屬性所攜帶的信息。為消除不同租賃方式對租金價格分析造成的潛在偏誤，本研究對合租房源的租金數據進行了標準化處理，依據合租房源的臥室數量，將其報告的租金折算為等效整租價格，以統一價格口徑，保證后續模型訓練有效性。

2數據分析及可視化

2.1房源屬性與租房價格相關性分析

為初步探究各房源屬性與租金價格之間的線性關聯強度，本研究計算了預處理后數據集中主要內部特征（包括建筑面積、車位有無、空調配備等13項）與月租金之間的皮爾遜相關系數。相關性分析結果如圖1所示。

分析結果顯示，月租金與建筑面積、臥室數量、衛生間數量及客廳數量等特征均呈現顯著的正相關關系，而與至購物中心和地鐵站的距離則表現出預期的負相關關系。基于上述結果，為簡化模型并減少噪聲影響，本研究剔除了部分與租金價格相關性極弱的特征。

如圖1所示，出租房中是否配備床與租金價格呈現負相關，這一反常情況須進一步探討。經統計，房源數據中無床的房源數量為12874套，有床的房源數量為6645套，無床的出租房占總房源數量的約三分之二。為進一步分析，無床房源的出租價格及數量與地鐵站距離的關系，分別繪制了相關的數據分布圖，見圖2和圖3。

對“是否有床”與租金價格之間負相關關系的進一步分析顯示：首先，大量無床房源（約占總數的三分之二）高度集中在距離地鐵站1公里以內的核心便捷區域。其次，在這些毗鄰地鐵站的無床房源中，有相當比例屬于高租金房源。這一現象表明，“無床”這一屬性可能與房源的其他高價值特征存在共線性。因此，觀察到的負相關性并不意味著床鋪配備本身會降低租金，更可能是由于這些高價無床房源所具備的其他優勢特征所驅動，這些特征的積極影響在統計上超過了床鋪缺失可能帶來的負面影響。

2.2房源位置與租房價格的相關性分析

為進一步從空間維度探究租房價格的分布格局及其與地理位置的關聯性，本研究利用K-Means聚類算法，對包含房源經緯度坐標及對應租金價格的數據集進行了空間聚類分析。K-Means算法是一種廣泛應用的無監督學習方法，旨在將數據集劃分為K個簇，使得簇內樣本相似度最大化，簇間樣本相似度最小化[5]。在本研究中，K-Means聚類的具體實施步驟如下：首先，選取房源的經緯度坐標與月租金作為聚類輸入特征。其次，采用輪廓系數法評估不同K值（聚類數量）下的聚類效果，并據此選定最優K值。其次，執行標準的K-Means迭代過程，包括隨機初始化K個聚類中心，將各樣本點分配至最近的聚類中心，重新計算各簇的質心，直至聚類中心不再發生顯著變化或達到預設的迭代次數。最后，對聚類結果進行評估與可視化。通過對區域位置租房價格聚類結果的可視化（如圖4所示），可以發現不同區域位置的租房價格具有明顯的簇集特征。

3房租價預測模型

租房價格的形成是一個復雜的過程，受到包括居民整體消費能力、區域人均生產總值等宏觀經濟環境因素，以及房屋自身的裝修水平、所處地理區位、具體朝向和戶型設計等微觀物業特征在內的多維度因素的綜合影響。在租房價格預測領域，國內外學者已開展了廣泛研究。例如，陳青[6]和江玉婷[7]等學者運用多元線性回歸模型進行了相關探索；姚菲[8]則嘗試采用稀疏BP神經網絡模型；近年來，以XGBoost為代表的集成學習模型因其出色性能，也被應用于房價及租金預測領域，如李天帥[9]和朱海煜[10]等人的研究。盡管已有研究在模型選擇和特征應用方面取得了一定進展，但針對特定城市（如南寧市），系統性地將多維度核心區域距離因子融入先進機器學習模型（如XGBoost），以提升預測精度的研究仍相對不足。尤其是在如何量化和整合這些空間鄰近性特征，以捕捉其對租金的復雜非線性影響方面，是本研究關注的重點。本研究認為，房源與核心區域（特別是大型購物中心、地鐵站以及重點學校）的距離，是決定租金水平的關鍵空間因素。因此，本文的核心工作之一是在XGBoost模型的基礎上，深度融合這些核心區域距離因子，以期構建更為精準的南寧市租房價格預測模型。

3.1XGBoost模型

XGBoost是一種高效、可擴展的梯度提升決策樹算法，屬于集成學習框架。其核心思想是通過加法訓練策略逐棵生成決策樹，每棵新樹專注于修正前序模型的殘差，同時引入正則化項（L1/L2）以控制模型復雜度，防止過擬合。XGBoost結合了并行計算、稀疏感知和剪枝等技術，在訓練效率、預測精度和泛化能力方面表現優異，支持分類、回歸及排序任務，尤其擅長處理高維稀疏數據和大規模數據集，并能通過特征重要性評估提供良好可解釋性。

XGBoost的數學建模基于加法訓練及正則化目標函數優化。模型在訓練第t棵樹時的目標函數為：

公式（1）中ft（xi）代表整個模型在第t輪迭代時的預測輸出，其值由前t-1輪的預測結果y?i（t-1）與當前第t棵決策樹的輸出累加而成。Ω（f）k為正則化項，用于控制樹的復雜度。在優化過程中，XGBoost通過損失函數進行二階泰勒級數展開，結合一階與二階導數的信息以實現高效優化[11]。

3.2模型建立與調參

本文使用scikit-learn庫中的train_test_split函數，按7∶3的比例將數據集分割為訓練集和測試集。使用XGBoost模型對數據集進行迭代訓練，其中，最優學習率、迭代次數、樹的最大深度、gamma值等超參數通過網格搜索交叉驗證進行調參，最終得到最優的超參數如表3所示。

3.3模型評價與預測結果分析

本文為評估融合核心區域距離因子后的XGBoost模型的預測性能，選取線性回歸模型和隨機森林模型進行對比實驗。模型評價指標分別采用平均絕對誤差（MAE）和決定系數（R2），其中前者衡量預測誤差的平均絕對大小，后者則評估模型對目標變量方差的解釋程度。各模型訓練完成后，在驗證集上的預測結果如表4所示。

通過不同模型的預測結果可以看出，XGBoost模型在租房價格預測精度上明顯優于線性回歸模型和隨機森林模型。線性回歸模型的平均絕對誤差（MAE）值最高（721.849），說明其預測存在較大偏差，模型精度不足。同時，其擬合優度R2值最低（0.439），反映出對租金變異的解釋能力有限。隨機森林模型的預測性能有所提升，但整體表現仍不及XGBoost模型。

值得關注的是，XGBoost模型在融合了核心區域距離因子后，模型的MAE值從未融合前的236.593進一步降低至226.800，R2值也由0.932提升至0.945，進一步提升了預測精度和解釋力。從表4的對比結果來看，XGBoost模型在南寧市租房價格預測任務中的表現，顯著超過了傳統的線性回歸模型和隨機森林模型。

由此可見，引入核心區域距離等空間特征，能夠顯著增強XGBoost模型對租房價格的預測準確性和對租金變異的解釋能力。為進一步探究影響XGBoost模型預測效果的關鍵因素，本文還對模型各特征的重要性進行排序分析，結果如圖5所示。

根據圖5，在XGBoost房租價格預測模型中，衛生間數量、房屋面積、床、熱水器和房間數量等特征的重要性較為顯著，體現出房源內部功能屬性對租金的影響力超過外部地理因素。其中，衛生間數量的重要性最高，因其直接決定居住效率和稀缺性溢價；面積作為定價基礎特征，緊隨其后。臥室配置及熱水器等設施的完備性同樣對居住體驗具有重要作用。在核心區域距離因素中，購物中心的距離能夠定量表征房源與區域商業活動中心的鄰近程度，地鐵站距離則作為通勤效率的關鍵指標，使模型能夠更全面地解讀城市空間異質性對房租價格的非線性影響機制。因此，核心區域距離因子的引入有效增強了XGBoost模型的預測能力。

4結論

本研究成功構建并驗證了一個融合核心區域距離因子的XGBoost模型，用于南寧市租房價格的預測及其影響因素分析。本文對比了線性回歸模型、隨機森林模型和XGBoost模型在房租價格預測精度方面的表現。結果顯示，融合核心區域距離因子的XGBoost模型在預測精度和擬合優度方面均有提升。本研究通過將房源地理坐標轉換為與核心設施（購物中心、地鐵站、學校）的距離，并將其作為關鍵特征，有效提升了模型的預測性能。未來研究可進一步拓展空間特征維度，例如，考慮引入房源周邊一定半徑內購物中心、地鐵站等設施數量，或更復雜的POI密度、路網可達性等指標，以期進一步優化模型的精度和解釋能力。

參考文獻：

[1]陳萬成，戴浩然，金映含.基于數據挖掘方法的HEDONIC房屋價格評估模型：以美國城市西雅圖為例[J].數據分析與知識發現，2019，3（5）：19-26.

[2]陳詩沁，王洪偉.基于機器學習的房地產批量評估模型[J].統計與決策，2020，36（9）：181-185.

[3]宋藹茜.基于集成學習的成都市房租價格影響因素分析與預測[D].成都：西南財經大學，2024.

[4]李春林，莊澤琳.石家莊房租影響因素分析與挖掘[J].全國流通經濟，2020（31）：129-131.

[5]iFnRfeAreNnKceLINanJd.Tphreedeilcetmioenn[tJs].oTfhsetatiMstaicthaelmleaatrincainlg：Idnatetallimgeinncinegr，，

[6]陳20青05，.2部7（分2）：線83性-8模5.型在房屋租賃價格預測中的應用：以長沙市為例[D].湘潭：湘潭大學，2020.

[7]江玉婷.基于多元回歸的出租房租金影響因素及預測[J].溫州大學學報（自然科學版），2020，41（4）：10-15.

[8]姚菲.稀疏BP神經網絡對房租價格影響因素的探究：以長沙市中心城區為例[J].北方經貿，2022（4）：91-95.

[9]李天帥.基于XGBoost算法的二手房價格批量評估研究[D].呼和浩特：內蒙古財經大學，2024.

[10]朱海煜，王志杰，葉燦燦.基于XGBoost算法的城市熱點區域房價預測：以南京江北新區為例[J].建筑經濟，2022，43

[11]（CSH2）E：4N33T-4Q3，7G.UESTRINC.XGBoost：ascalabletreeboostingtsiyosnteamlC[Co]n//fPerreoncceeedoinngKsnoofwtlheedg2e2DndiscAovCeMrySaInGdKDDaDtaIMntienrinnag?.SanFranciscoCaliforniaUSA.ACM，2016：785-794.

【通聯編輯：唐一東】