租金多少才算合理？智慧分析工具Sophon幫你預測房屋租金

作為一名租客，你是否覺得租的房子質量平平，中介卻年年漲價；想換個地方住，在中介找個心儀又價廉的房子猶如大海撈針。而作為一名房東，你是否又遇到過中介左手壓價房東、右手漲價租客的情況？自己的房子，多少租出去才最合適？

如今，租房資訊大都掌握在房產中介手中，房主和租客之間很少形成對接，中介平臺可以任意抬升房租價格，以賺取更多中間差價。很多租客對房租市場瞭解較少，很容易租下房租過高的住房，致使生活成本增加。

克而瑞釋出的 《2021年1~6月上海租賃市場月度報告》顯示：上半年上海租房市場租金整體呈上升狀態。部分割槽域甚至已經連續上漲了7個月。房租上漲成了困擾人們的大問題。為了打破房產中介對房屋資訊的壟斷，為大眾提供租金定價參考。 本文將使用最近的房租資料，在智慧分析工具Sophon上訓練模型，並利用模型進行租金預測。

資料集介紹

本次實驗資料集來自愛數科，為CSV檔案。包含2020末-2021年初來自房天下、58同城、趕集網的位於北京、上海、深圳約 20000條資料。除上述網站提供的基本資訊，還整合了由百度地圖API獲取的經緯度和周邊設施資訊。

資料集欄位如下：

該資料集價格以外的欄位將作為輸入，而價格將作為預測目標。由此可見該問題是迴歸問題。迴歸問題可以使用線性迴歸、K近鄰、XGBoost、神經網路、隨機森林等演算法進行訓練。 本文將選取隨機森林進行訓練。

開始實驗

在建立專案之前，本文預設您的sophon平臺及各種配置檔案已經成功安裝，正常執行，並且您已成功註冊sophon 使用者。

進入專案首頁，點選 “+新建專案”以新建一個專案。

匯入資料與資料探索

本次實驗資料集是CSV檔案，可以直接匯入至sophon平臺。

點選主介面左邊的資料集按鈕進入資料集總覽介面，在該頁面點選 “新建資料集”。

在彈出的新建資料集視窗中，點選 “從本地匯入”。

在資料集匯入頁面上傳本地的CSV檔案，點選確定建立資料集。

Sophon也支援其他多種資料來源。使用者可以通過多種方式匯入資料，除了跟Transwarp Data Hub做深度對接以外，還支援多種資料來源，包括 RDBS、HDFS、ORC、Parquet等。

資料集建立完成後點選該資料集進入詳情介面，可以瀏覽資料集欄位。

同時Sophon也提供 圖形探索於統計分析功能，點選上方的圖形探索按鈕進入對應介面。

Sophon提供 多樣圖示樣式與自定義模組，簡單拖動資料集欄位即可完成圖表，幫助使用者迅速完成資料探索。圖中可以看到資料集大部分房屋租金都在50000以下，面積在300以下。還有少部分面積大，租金高的異常點，這些異常資料不利於模型的訓練與測試，需要處理。同理檢視其他的指標與價格之間的聯絡，發現其中的異常點，在後續的預處理環節進行處理。

點選上方的統計分析按鈕進入對應介面。

在統計分析介面， 可以自定義資料集欄位，點選分析後以圖表形式給出分析結果，幫助使用者迅速完成資料探索。在該資料集中，有許多資料朝向欄位為空，需要對資料進行預處理。還有一些欄位值為唯一值，在訓練前儘量去除這些學習難度大的欄位。

搭建運算元

回到專案首頁，點選左側的實驗，點選實驗以新建空白實驗。實驗建立後會自動進入該實驗介面。可以看到在左側運算元選擇介面中，我們已經可以使用剛剛上傳的資料集運算元。將該運算元拖動到右側的主流程介面。

拖動運算元，搭建預處理過程。

運算元搭建完成後，選中運算元設定引數。選中替換缺失值運算元，引數設定如下。

至此，資料預處理環節完成。

模型訓練

繼續搭建運算元，運算元連線如圖所示。

運算元搭建完成後，選中運算元設定引數。選中樣本切分運算元， 設定切分比例為9：1。選中隨機森林迴歸運算元，引數設定如下。

至此，主流程運算元搭建完成， 點選執行可以開始訓練。

執行實驗與檢視結果

我們可以直接點選上方的執行按鈕執行實驗。執行過程需要一段時間。

執行完成後，可以跳轉到實驗結果：

在之前效能（迴歸）運算元的引數設定中，本文勾選了 均方根誤差（RMSE）和R2_score兩個標準來判斷模型的好壞。

R2_score表示 模型擬合資料集的好壞，越接近1 表示擬合效果越好。R2_score =0.80表示 模型解釋了80%的不確定性，模型效果良好。

均方根誤差表示模型的偏離程度， 越接近 0 越好。此處 928的含義就是說 68% 的預測房價值和真實房價之間的差值在928（元）之間， 95% 預測房價值和真實房價之間的差值在1856（元）之間。

在模型詳情中也可以看到該模型的引數重要性，以供參考：

在引數重要性表格中可以看到 房屋面積的重要性最高，緊隨其後的是附近 醫院數量、房間數量、學校數量、最大高度、廳數量等。由此可以知道這幾個引數會對房屋的租金產生較大影響。

在選擇房屋時，可以首先根據這幾個因素判斷房屋租金是否處於一個合理的範圍。

預測房租與API釋出

新建一個實驗，搭建實驗流程，注意使用之前匯出的模型運算元：

運算元的引數設定與上文相同，不再贅述。點選執行以執行實驗。

在結果介面，可以看到模型對租金做出的預測：

實驗執行後，點選實驗介面左上角的釋出按鈕進入模型服務頁面：

在詳情介面填寫模型服務的相關資訊，注意在給上架的模型設定輸入時選擇資料集全部欄位，之後點選上架以上架模型服務：

點選左側的模型服務按鈕進入模型服務頁面，可以檢視剛剛上架的模型服務：

雙擊該模型來檢視詳細資訊，點選上線進入服務上線頁面：

在服務上線頁面，可以根據需要調整服務細節，完成後點選上線按鈕：

點選左側工具欄的模型服務按鈕進入模型服務介面，點選上方的服務管理按鈕進入服務管理頁面。在該頁面可以看到剛剛上線的服務：

可以點選測試連線按鈕測試連線狀態。如果API有返回代表連線成功，無返回代表連線失敗。模型剛上線時會顯示連線失敗，請稍後再嘗試測試連線。

點選測試按鈕可以測試模型，填寫對應的資訊後點選測試，可以得到API的返回結果：

模型API呼叫

感興趣的使用者也可以嘗試呼叫該服務，實際體驗一下模型的效果。

API介面（HTTP）： http:// tdh5:8743/testV1/api 金鑰：Bearer

eyJhbGciOiJIUzUxMiJ9.eyJ1c2VybmFtZSI6Im1rdCIsInJvbGVzIjoiW1wicHVibGljXCIsXCJTT1BIT05fQkFTSUNcIl0iLCJleHAiOjQ3OTA4MDg3MTEsImlhdCI6MTYzNzIwODcxMX0.i08f39Oponyt5TvaWBCo7LLFsmyr-Q5vN0aOMX8p0VkL6N__kcvyvWe1SUfOUNcaiK6GfxbpTpgmRaGWxAZ9hw

基於Python的呼叫示例：

import requestsurl = " http:// tdh5:8743/testV1/api "headers = {"Content-Type": "application/json", "Authorization": "Bearer eyJhbGciOiJIUzUxMiJ9.eyJ1c2VybmFtZSI6Im1rdCIsInJvbGVzIjoiW1wicHVibGljXCIsXCJTT1BIT05fQkFTSUNcIl0iLCJleHAiOjQ3OTA4MDg3MTEsImlhdCI6MTYzNzIwODcxMX0.i08f39Oponyt5TvaWBCo7LLFsmyr-Q5vN0aOMX8p0VkL6N__kcvyvWe1SUfOUNcaiK6GfxbpTpgmRaGWxAZ9hw"}data = r'''{"feeds":{"MHno7-Pfi":{"columns":["website","city","price","room","bathroom","hall","area","face","height","maxheight","ownbalcony","infopublishertype","ownbed","ownwardrobe","ownsofa","owntv","ownfridge","ownwasher","ownaircon","ownwaterheater","ownbroadband","owngas","ownheater","nearestschooldistance","schoolnumber","nearesthospitaldistance","hospitalnumber"],"rows":[["","",0,0,0,0,0,"",0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0]]}},"macros":{}}'''response = requests.post(url=url, headers=headers, data=data)print(response.text)

注意事項：1、API具體的資訊輸入格式，請參考資料集欄位說明進行輸入。2、價格欄位的輸入不會影響服務的預測值。

關於Sophon

Sophon是星環科技的智慧分析工具軟體，包含3個主要模組: Sophon Base，Sophon Edge，Sophon KG。其中Sophon Base 資料科學基礎平臺具備完整的資料探索、多資料來源接入、實驗排程、智慧分析、使用者資產以及平臺管理等功能；為使用者提供完整的模型上線閉環，全流程圖形化幫助使用者更加便捷地對線上服務進行管理，實現模型價值。

如果想要使用sophon實際操作，可點選下面的連結-進入頁面- 點選立即申請-即可免費獲得7天使用許可權。