《表3 4种预测模型评价结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于LRF方法的在线短租房源价格特征选择研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验建立4个房源价格预测模型，其中RF模型表示直接进行随机森林预测，RF-RF表示经RF特征选择的随机森林预测，LRF-RF表示经Lasso-RF特征选择的随机森林预测，LRF-XGb表示经Lasso-RF特征选择的XGBoost预测。实验中，RF和LRF特征选择均选取前35个重要特征，评价结果如表3所示。从表3可以看出，经特征选择的预测模型运行效率明显优于不经特征选择的预测模型；LRF-RF模型中，R2为0.736，MSE为0.278，运行时间等于1.810 s，3个指标均优于RF-RF模型，说明LRF-RF不仅具有较高的预测精度，而且学习效率更高；LRF-XGboost模型预测也取得了较好预测结果，说明基于LRF特征选择方法比较稳定，适用性强。