基于机器学习的加纳房屋租金预测

本研究探讨了机器学习模型在预测加纳房屋租金方面的效能，应对准确且可获取的房地产市场信息的需求。我们利用租赁列表的全面数据集，对各种模型进行训练和评估，包括 CatBoost、XGBoost 和随机森林。CatBoost 成为表现最佳的模型，实现 R² 为 0.876，显示其有效捕获房地产市场中复杂关系的能力。特征重要性分析显示，基于位置的特征、卧室数量、浴室数量和家具状态是租金的关键驱动因素。我们的发现为包括房地产专业人士、投资者和政策制定者在内的利益相关者提供了宝贵的见解，同时也指出了未来研究的机遇，如纳入时间序列数据并探索区域差异。