基于XGBoost融合距離因子的南寧租房價格預(yù)測與影響因素分析

摘要：為提升城市租房價格預(yù)測的準(zhǔn)確性并探究其關(guān)鍵影響因素，該研究以南寧市為例，構(gòu)建了一種融合核心區(qū)域距離因子的XGBoost房租預(yù)測模型。研究首先利用Python技術(shù)采集鏈家網(wǎng)的南寧市房源數(shù)據(jù)，并進(jìn)行了數(shù)據(jù)清洗、特征工程（包括引入房源至購物中心、地鐵站及學(xué)校的空間距離）和數(shù)據(jù)變換。同時，采用K-means聚類算法對區(qū)域價格的空間聚集效應(yīng)進(jìn)行了驗(yàn)證與可視化呈現(xiàn)。實(shí)驗(yàn)結(jié)果表明，所構(gòu)建的融合核心區(qū)域距離因子的XGBoost模型在租房價格預(yù)測精度上顯著優(yōu)于傳統(tǒng)的隨機(jī)森林模型和線性回歸模型。研究證實(shí)，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(yù)測性能，其成果可為租金的合理制定及城市空間結(jié)構(gòu)優(yōu)化提供有價值的量化參考與決策支持。

關(guān)鍵詞：特征工程；XGBoost模型；核心區(qū)域距離因子；房租預(yù)測

中圖分類號：TP181文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2025）20-0075-04

0引言

在當(dāng)今社會，隨著城市化進(jìn)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(lián)網(wǎng)技術(shù)的發(fā)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(yù)測與定價成為備受關(guān)注的問題。然而，傳統(tǒng)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(huán)境與政策導(dǎo)向，但常因缺乏全面的市場數(shù)據(jù)支撐，導(dǎo)致租金評估的公平性、科學(xué)性和準(zhǔn)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(jìn)行分析。宏觀層面主要包括經(jīng)濟(jì)因素、區(qū)位因素及交通因素；微觀層面則主要關(guān)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(xiàn)復(fù)雜的非線性關(guān)系，這為機(jī)器學(xué)習(xí)方法的應(yīng)用與建模提供了適宜場景[3]。因此，準(zhǔn)確預(yù)測房屋租金不僅對租戶高效選擇適宜住房至關(guān)重要，也為房東制定合理的租金策略提供了重要的現(xiàn)實(shí)指導(dǎo)價值[4]。

鑒于此，本研究通過系統(tǒng)性采集互聯(lián)網(wǎng)租房信息，經(jīng)過數(shù)據(jù)預(yù)處理、多維度特征分析（含可視化）以及預(yù)測模型構(gòu)建等關(guān)鍵環(huán)節(jié)，深入探究影響租房價格的各類屬性因素及其相互關(guān)系，進(jìn)而構(gòu)建一個高效、精準(zhǔn)的租房價格預(yù)測模型。期望通過該模型實(shí)現(xiàn)對房屋租金的精準(zhǔn)預(yù)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(xué)制定租金價格提供可靠參考。

1數(shù)據(jù)采集與預(yù)處理

1.1數(shù)據(jù)采集

本研究采用Python編程語言，結(jié)合requests庫與BeautifulSoup庫，針對鏈家網(wǎng)上南寧市的租房房源數(shù)據(jù)進(jìn)行了定向采集。通過requests庫高效發(fā)送HTTP請求，使用BeautifulSoup庫精準(zhǔn)解析HTML文檔，從中提取所需目標(biāo)數(shù)據(jù)。

為保證數(shù)據(jù)采集過程的穩(wěn)定性與完整性，爬蟲程序設(shè)計(jì)中融入了請求重試機(jī)制，并配置了多個代理IP，以規(guī)避可能出現(xiàn)的網(wǎng)絡(luò)訪問限制。此外，根據(jù)鏈家網(wǎng)租房列表頁面的結(jié)構(gòu)特征，設(shè)計(jì)了循環(huán)遍歷策略，系統(tǒng)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(jìn)一步采集每個房源的詳細(xì)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(nèi)容進(jìn)行結(jié)構(gòu)化處理。最終，共獲得20426條原始房源記錄，每條記錄包含小區(qū)名稱、房源描述、所在行政區(qū)、電梯配備情況、總樓層數(shù)、月租金（元）、建筑面積（㎡）、戶型結(jié)構(gòu)等27項(xiàng)詳細(xì)屬性。所有原始數(shù)據(jù)均以CSV格式存儲，為后續(xù)數(shù)據(jù)預(yù)處理與模型分析提供數(shù)據(jù)基礎(chǔ)。部分采集到的房源詳細(xì)信息如表1所示。

1.2數(shù)據(jù)預(yù)處理

1.2.1數(shù)據(jù)清洗

爬蟲采集的原始數(shù)據(jù)中不可避免地存在噪聲數(shù)據(jù)與異常值。針對數(shù)據(jù)中的噪聲問題，本研究進(jìn)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(guī)的極端價格異常值，也采用刪除策略。原始數(shù)據(jù)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(shù)據(jù)進(jìn)行了拆分與轉(zhuǎn)換：提取數(shù)值型的總層高，并增設(shè)“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(shù)據(jù)，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(xù)數(shù)據(jù)分析與計(jì)算，因此將其去除。針對“電梯”屬性中存在的與建筑規(guī)范不符的邏輯錯誤（如某18層房源被錯誤標(biāo)注為“無”電梯），本研究依據(jù)《住宅設(shè)計(jì)規(guī)范》中關(guān)于七層及以上住宅必須設(shè)置電梯的規(guī)定，對此類數(shù)據(jù)進(jìn)行了校正。此類噪聲數(shù)據(jù)的存在將嚴(yán)重影響后續(xù)分析的準(zhǔn)確性，故采用pandas庫進(jìn)行了系統(tǒng)性清洗與修正。處理后的部分?jǐn)?shù)據(jù)樣例如表2所示。

1.2.2空間特征構(gòu)建

原始數(shù)據(jù)中的“小區(qū)名稱”和“所在區(qū)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(xiàn)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(dǎo)致關(guān)鍵信息的丟失。大量研究與市場實(shí)踐表明，房源與核心功能區(qū)域（如主要地鐵站點(diǎn)、大型購物中心、優(yōu)質(zhì)學(xué)區(qū)等）的鄰近程度，對租房價格具有至關(guān)重要的影響。基于此，本研究系統(tǒng)收集了南寧市104個地鐵站點(diǎn)、59個主要購物中心/大型商場以及30所重點(diǎn)學(xué)校的興趣點(diǎn)（PointofInterest，POI）數(shù)據(jù)。隨后，利用百度地圖的地理編碼服務(wù)（GeocodingAPI），精確獲取了這些核心區(qū)域的經(jīng)緯度坐標(biāo)。在獲得房源自身及上述核心區(qū)域的地理坐標(biāo)后，本研究計(jì)算了每個房源至最近地鐵站、最近購物中心以及最近學(xué)校的歐氏距離。這些距離特征被作為關(guān)鍵空間因子整合進(jìn)數(shù)據(jù)集中，替代原有文本型地理描述，并參與后續(xù)模型訓(xùn)練。

1.2.3數(shù)據(jù)變換與規(guī)約

對于數(shù)據(jù)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(dú)熱編碼（One-HotEncoding）技術(shù)將其轉(zhuǎn)換為數(shù)值型啞變量。這一處理方式避免了模型對類別間偽序關(guān)系的錯誤學(xué)習(xí)，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(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理，依據(jù)合租房源的臥室數(shù)量，將其報告的租金折算為等效整租價格，以統(tǒng)一價格口徑，保證后續(xù)模型訓(xùn)練有效性。

2數(shù)據(jù)分析及可視化

2.1房源屬性與租房價格相關(guān)性分析

為初步探究各房源屬性與租金價格之間的線性關(guān)聯(lián)強(qiáng)度，本研究計(jì)算了預(yù)處理后數(shù)據(jù)集中主要內(nèi)部特征（包括建筑面積、車位有無、空調(diào)配備等13項(xiàng)）與月租金之間的皮爾遜相關(guān)系數(shù)。相關(guān)性分析結(jié)果如圖1所示。

分析結(jié)果顯示，月租金與建筑面積、臥室數(shù)量、衛(wèi)生間數(shù)量及客廳數(shù)量等特征均呈現(xiàn)顯著的正相關(guān)關(guān)系，而與至購物中心和地鐵站的距離則表現(xiàn)出預(yù)期的負(fù)相關(guān)關(guān)系。基于上述結(jié)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(guān)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(xiàn)負(fù)相關(guān)，這一反常情況須進(jìn)一步探討。經(jīng)統(tǒng)計(jì)，房源數(shù)據(jù)中無床的房源數(shù)量為12874套，有床的房源數(shù)量為6645套，無床的出租房占總房源數(shù)量的約三分之二。為進(jìn)一步分析，無床房源的出租價格及數(shù)量與地鐵站距離的關(guān)系，分別繪制了相關(guān)的數(shù)據(jù)分布圖，見圖2和圖3。

對“是否有床”與租金價格之間負(fù)相關(guān)關(guān)系的進(jìn)一步分析顯示：首先，大量無床房源（約占總數(shù)的三分之二）高度集中在距離地鐵站1公里以內(nèi)的核心便捷區(qū)域。其次，在這些毗鄰地鐵站的無床房源中，有相當(dāng)比例屬于高租金房源。這一現(xiàn)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(fù)相關(guān)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(yōu)勢特征所驅(qū)動，這些特征的積極影響在統(tǒng)計(jì)上超過了床鋪缺失可能帶來的負(fù)面影響。

2.2房源位置與租房價格的相關(guān)性分析

為進(jìn)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(guān)聯(lián)性，本研究利用K-Means聚類算法，對包含房源經(jīng)緯度坐標(biāo)及對應(yīng)租金價格的數(shù)據(jù)集進(jìn)行了空間聚類分析。K-Means算法是一種廣泛應(yīng)用的無監(jiān)督學(xué)習(xí)方法，旨在將數(shù)據(jù)集劃分為K個簇，使得簇內(nèi)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(shí)施步驟如下：首先，選取房源的經(jīng)緯度坐標(biāo)與月租金作為聚類輸入特征。其次，采用輪廓系數(shù)法評估不同K值（聚類數(shù)量）下的聚類效果，并據(jù)此選定最優(yōu)K值。其次，執(zhí)行標(biāo)準(zhǔn)的K-Means迭代過程，包括隨機(jī)初始化K個聚類中心，將各樣本點(diǎn)分配至最近的聚類中心，重新計(jì)算各簇的質(zhì)心，直至聚類中心不再發(fā)生顯著變化或達(dá)到預(yù)設(shè)的迭代次數(shù)。最后，對聚類結(jié)果進(jìn)行評估與可視化。通過對區(qū)域位置租房價格聚類結(jié)果的可視化（如圖4所示），可以發(fā)現(xiàn)不同區(qū)域位置的租房價格具有明顯的簇集特征。

3房租價預(yù)測模型

租房價格的形成是一個復(fù)雜的過程，受到包括居民整體消費(fèi)能力、區(qū)域人均生產(chǎn)總值等宏觀經(jīng)濟(jì)環(huán)境因素，以及房屋自身的裝修水平、所處地理區(qū)位、具體朝向和戶型設(shè)計(jì)等微觀物業(yè)特征在內(nèi)的多維度因素的綜合影響。在租房價格預(yù)測領(lǐng)域，國內(nèi)外學(xué)者已開展了廣泛研究。例如，陳青[6]和江玉婷[7]等學(xué)者運(yùn)用多元線性回歸模型進(jìn)行了相關(guān)探索；姚菲[8]則嘗試采用稀疏BP神經(jīng)網(wǎng)絡(luò)模型；近年來，以XGBoost為代表的集成學(xué)習(xí)模型因其出色性能，也被應(yīng)用于房價及租金預(yù)測領(lǐng)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(yīng)用方面取得了一定進(jìn)展，但針對特定城市（如南寧市），系統(tǒng)性地將多維度核心區(qū)域距離因子融入先進(jìn)機(jī)器學(xué)習(xí)模型（如XGBoost），以提升預(yù)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(fù)雜非線性影響方面，是本研究關(guān)注的重點(diǎn)。本研究認(rèn)為，房源與核心區(qū)域（特別是大型購物中心、地鐵站以及重點(diǎn)學(xué)校）的距離，是決定租金水平的關(guān)鍵空間因素。因此，本文的核心工作之一是在XGBoost模型的基礎(chǔ)上，深度融合這些核心區(qū)域距離因子，以期構(gòu)建更為精準(zhǔn)的南寧市租房價格預(yù)測模型。

3.1XGBoost模型

XGBoost是一種高效、可擴(kuò)展的梯度提升決策樹算法，屬于集成學(xué)習(xí)框架。其核心思想是通過加法訓(xùn)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(xiàng)（L1/L2）以控制模型復(fù)雜度，防止過擬合。XGBoost結(jié)合了并行計(jì)算、稀疏感知和剪枝等技術(shù)，在訓(xùn)練效率、預(yù)測精度和泛化能力方面表現(xiàn)優(yōu)異，支持分類、回歸及排序任務(wù)，尤其擅長處理高維稀疏數(shù)據(jù)和大規(guī)模數(shù)據(jù)集，并能通過特征重要性評估提供良好可解釋性。

XGBoost的數(shù)學(xué)建模基于加法訓(xùn)練及正則化目標(biāo)函數(shù)優(yōu)化。模型在訓(xùn)練第t棵樹時的目標(biāo)函數(shù)為：

公式（1）中ft（xi）代表整個模型在第t輪迭代時的預(yù)測輸出，其值由前t-1輪的預(yù)測結(jié)果y?i（t-1）與當(dāng)前第t棵決策樹的輸出累加而成。Ω（f）k為正則化項(xiàng)，用于控制樹的復(fù)雜度。在優(yōu)化過程中，XGBoost通過損失函數(shù)進(jìn)行二階泰勒級數(shù)展開，結(jié)合一階與二階導(dǎo)數(shù)的信息以實(shí)現(xiàn)高效優(yōu)化[11]。

3.2模型建立與調(diào)參

本文使用scikit-learn庫中的train_test_split函數(shù)，按7∶3的比例將數(shù)據(jù)集分割為訓(xùn)練集和測試集。使用XGBoost模型對數(shù)據(jù)集進(jìn)行迭代訓(xùn)練，其中，最優(yōu)學(xué)習(xí)率、迭代次數(shù)、樹的最大深度、gamma值等超參數(shù)通過網(wǎng)格搜索交叉驗(yàn)證進(jìn)行調(diào)參，最終得到最優(yōu)的超參數(shù)如表3所示。

3.3模型評價與預(yù)測結(jié)果分析

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

通過不同模型的預(yù)測結(jié)果可以看出，XGBoost模型在租房價格預(yù)測精度上明顯優(yōu)于線性回歸模型和隨機(jī)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(yù)測存在較大偏差，模型精度不足。同時，其擬合優(yōu)度R2值最低（0.439），反映出對租金變異的解釋能力有限。隨機(jī)森林模型的預(yù)測性能有所提升，但整體表現(xiàn)仍不及XGBoost模型。

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

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

根據(jù)圖5，在XGBoost房租價格預(yù)測模型中，衛(wèi)生間數(shù)量、房屋面積、床、熱水器和房間數(shù)量等特征的重要性較為顯著，體現(xiàn)出房源內(nèi)部功能屬性對租金的影響力超過外部地理因素。其中，衛(wèi)生間數(shù)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(chǔ)特征，緊隨其后。臥室配置及熱水器等設(shè)施的完備性同樣對居住體驗(yàn)具有重要作用。在核心區(qū)域距離因素中，購物中心的距離能夠定量表征房源與區(qū)域商業(yè)活動中心的鄰近程度，地鐵站距離則作為通勤效率的關(guān)鍵指標(biāo)，使模型能夠更全面地解讀城市空間異質(zhì)性對房租價格的非線性影響機(jī)制。因此，核心區(qū)域距離因子的引入有效增強(qiáng)了XGBoost模型的預(yù)測能力。

4結(jié)論

本研究成功構(gòu)建并驗(yàn)證了一個融合核心區(qū)域距離因子的XGBoost模型，用于南寧市租房價格的預(yù)測及其影響因素分析。本文對比了線性回歸模型、隨機(jī)森林模型和XGBoost模型在房租價格預(yù)測精度方面的表現(xiàn)。結(jié)果顯示，融合核心區(qū)域距離因子的XGBoost模型在預(yù)測精度和擬合優(yōu)度方面均有提升。本研究通過將房源地理坐標(biāo)轉(zhuǎn)換為與核心設(shè)施（購物中心、地鐵站、學(xué)校）的距離，并將其作為關(guān)鍵特征，有效提升了模型的預(yù)測性能。未來研究可進(jìn)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(nèi)購物中心、地鐵站等設(shè)施數(shù)量，或更復(fù)雜的POI密度、路網(wǎng)可達(dá)性等指標(biāo)，以期進(jìn)一步優(yōu)化模型的精度和解釋能力。

參考文獻(xiàn)：

[1]陳萬成，戴浩然，金映含.基于數(shù)據(jù)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(shù)據(jù)分析與知識發(fā)現(xiàn)，2019，3（5）：19-26.

[2]陳詩沁，王洪偉.基于機(jī)器學(xué)習(xí)的房地產(chǎn)批量評估模型[J].統(tǒng)計(jì)與決策，2020，36（9）：181-185.

[3]宋藹茜.基于集成學(xué)習(xí)的成都市房租價格影響因素分析與預(yù)測[D].成都：西南財經(jīng)大學(xué)，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(jīng)濟(jì)，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(yù)測中的應(yīng)用：以長沙市為例[D].湘潭：湘潭大學(xué)，2020.

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

[8]姚菲.稀疏BP神經(jīng)網(wǎng)絡(luò)對房租價格影響因素的探究：以長沙市中心城區(qū)為例[J].北方經(jīng)貿(mào)，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(nèi)蒙古財經(jīng)大學(xué)，2024.

[10]朱海煜，王志杰，葉燦燦.基于XGBoost算法的城市熱點(diǎn)區(qū)域房價預(yù)測：以南京江北新區(qū)為例[J].建筑經(jīng)濟(jì)，2022，43

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

【通聯(lián)編輯：唐一東】