一种基于Stacking集成机器学习的城市房租预测模型

林靖宇; 夏怡凡; 张红历; 陈凯伦; 方疏桐

doi:10.19907/j.0490-6756.240191

四川大学学报(自然科学版) ›› 2026, Vol. 63 ›› Issue (1) : 218 -223. DOI: 10.19907/j.0490-6756.240191

一种基于Stacking集成机器学习的城市房租预测模型

林靖宇, 夏怡凡, 张红历, 陈凯伦, 方疏桐

作者信息 +

Author information +

文章历史 +

摘要

准确高效的城市房屋租赁租金预测模型是政府制定相关租赁政策的基础。针对现有基于机器学习的房租预测模型手段单一、效果不佳等缺点，本文构建了一种Stacking集成机器学习预测模型。基于成都市2022和2023年的房屋租赁数据，本文首先对六种机器学习模型及其Stacking集成模型进行分析比较，发现集成模型精度占优。然后，针对Stacking模型时间效率低的不足，本文对模型进行了优化，选取精度和稳定性占优的XGBoost和RF算法作为基学习器，建立了改进的Stacking集成学习模型。实证分析表明，此模型具有比单一模型更高的预测精度和比原Stacking集成模型更高的时间效率。