统计与机器学习算法在旧金山湾区租金预测中的比较
计量经济学
2020-12-01 v1 机器学习
摘要
城市交通与土地利用模型已利用理论与统计建模方法开发出可用于规划应用的模型系统。机器学习方法曾被认为过于“黑箱”、缺乏可解释性，其在土地利用与交通建模文献中的使用受到限制。我们提出一个预测准确性最为重要的用例，并比较随机森林回归与使用普通最小二乘法的多元回归，基于从 Craigslist 网站抓取的大量租赁 listings 预测旧金山湾区每平方英尺租金。我们发现，几乎仅使用局部可达性变量即可从两种模型获得有用预测，尽管随机森林模型的预测准确性显著更高。
引用
@article{arxiv.2011.14924,
title = {A Comparison of Statistical and Machine Learning Algorithms for Predicting Rents in the San Francisco Bay Area},
author = {Paul Waddell and Arezoo Besharati-Zadeh},
journal= {arXiv preprint arXiv:2011.14924},
year = {2020}
}