延續上一篇：利用Airbnb來更了解臺北，這篇我們就要來把自己當成是Airbnb的資料科學家，嘗試建立房屋的訂價模型。 先說說流程： 檢查變數-價格相關性，好讓我們對影響變量有個了解 處理類別資料，轉換為Python的機器學習套件：Sklearn看得懂的東西 清理缺失值 切分資料成訓練、驗證集 利用交叉驗證建模，Baseline（基礎比較）我選擇L1、L2 Regression 建立Random Forest、XGboost Regressor 利用model畫出變數重要性，方便我們優化模型 反覆迭代，持續優化模型 結語，談如何優化與比較好的建模姿勢 (more…)
導論 這幾年共享經濟興起，外送平臺穿梭在大街小巷協助美食傳送、Uber也成為人們便利的代步工具、而其中Airbnb更是創造了「到別人家住與讓陌生人來自己家住」的嶄新概念。共享經濟的本質就是「更有效率地推動經濟」，在經濟學原理中，我們知道當供給量 = 需求量，就會達到市場均衡，而長期來看，市場會走向一個市場均衡點，市場均衡點其實不能說好、也不能說壞。但有一個可以肯定的點就是： 它讓人們的慾望有效得到滿足，而有效滿足的情況下，人們更容易發現經濟進步的方法。 而共享經濟其實就是在動態的創造市場均衡，讓現金流多了流通的管道、combine不同的需求。既然閒置資源是浪費的，那我們就好好利用它。 包括現在很夯的雲端運算，概念其實也是興起於「共享經濟」，結合規模經濟與處理閒置資源的本質，甚至還有結合區塊鏈的分布式運算系統，讓閒置頻寬得以被充分利用，目前被應用在直播、實況等串流巨大的系統中。 (more…)