【技术实现步骤摘要】
基于长租公寓租房场景下的退租预测系统及方法
本申请涉及数据统计
，尤其涉及一种基于长租公寓租房场景下的退租预测系统及方法。
技术介绍
随着社会经济的发展，流动人口从欠发达地区流入发达地区的规模持续扩大，发达地区的房价居高不下，许多外来人口选择租房来解决暂时的住宿问题。近年来长租公寓逐渐成为适应性居住场所，然而当发生用户退租时，并不能及时了解用户因何退租以及不能作出预判来进行补救措施，不利于长租公寓的收益，需设计一种基于长租公寓租房场景下的退租退租预测模型。在实现本专利技术过程中，专利技术人发现当前长租公寓用户退租模型预测领域适用性存在的问题：1、退租样本(正样本)和不退租样本(负样本)比例差别比较大，样本不均衡；2、长租公寓用户签约的时间比较长，同时用户的行为并不高频，行为比较稀疏；3、产品形态的更新迭代，较为久远的样本特征数据等并不准确。
技术实现思路
有鉴于此，本申请公开了一种基于长租公寓租房场景下的退租预测系统及方法，能够及时对用户的退房行为进行预判，减少长租公
【技术保护点】
1.一种基于长租公寓租房场景下的退租预测系统，其特征在于，包括退租样本获取模块、特征模块和模型训练模块；/n所述退租样本获取模块，与所述特征模块相耦接，用于采集用户退租样本数据，通过所述用户退租样本数据构建退租样本集，并将所述退租样本集发送至所述特征模块；其中，所述退租样本集包括正退租样本数据和负退租样本数据，所述正退租样本数据为已退租用户数据，所述负退租样本数据为已退租用户退租之前的数据；/n所述特征模块，分别与所述退租样本获取模块和所述模型训练模块相耦接，用于接收所述退租样本获取模块发送的所述退租样本集，根据所述退租样本集获取特征数据，并将所述特征数据进行预处理得到退租...
【技术特征摘要】
1.一种基于长租公寓租房场景下的退租预测系统，其特征在于，包括退租样本获取模块、特征模块和模型训练模块；
所述退租样本获取模块，与所述特征模块相耦接，用于采集用户退租样本数据，通过所述用户退租样本数据构建退租样本集，并将所述退租样本集发送至所述特征模块；其中，所述退租样本集包括正退租样本数据和负退租样本数据，所述正退租样本数据为已退租用户数据，所述负退租样本数据为已退租用户退租之前的数据；
所述特征模块，分别与所述退租样本获取模块和所述模型训练模块相耦接，用于接收所述退租样本获取模块发送的所述退租样本集，根据所述退租样本集获取特征数据，并将所述特征数据进行预处理得到退租数据集，同时将所述退租数据集发送至所述模型训练模块；
所述模型训练模块，与得到所述特征模块相耦接，用于接收所述特征模块发送的所述退租数据集，并根据XGBoost模型对所述退租数据集进行训练得到退租预测模型进行预测。
2.根据权利要求1所述的一种基于长租公寓租房场景下的退租预测系统，其特征在于，所述用户退租样本数据通过K-Means算法构建所述退租样本集。
3.根据权利要求1所述的一种基于长租公寓租房场景下的退租预测系统，其特征在于，所述特征模块，包括用户特征单元、交叉特征单元和房源特征单元，所述特征数据包括用户特征数据、交叉特征数据和所述房源特征数据；
所述用户特征单元，分别与所述退租样本获取模块和所述模型训练模块相耦接，用于接收所述退租样本获取模块发送的所述退租样本集，根据所述退租样本集获取所述用户特征数据，并将所述用户特征数据发送至所述模型训练模块；
所述交叉特征单元，分别与所述退租样本获取模块和所述模型训练模块相耦接，用于接收所述退租样本获取模块发送的所述退租样本集，根据所述退租样本集获取所述交叉特征数据，并将所述交叉特征数据发送至所述模型训练模块；
所述房源特征单元，分别与所述退租样本获取模块和所述模型训练模块相耦接，用于接收所述退租样本获取模块发送的所述退租样本集，根据所述退租样本集获取所述房源特征数据，并将所述房源特征数据发送至所述模型训练模块。
4.根据权利要求3所述的一种基于长租公寓租房场景下的退租预测系统，其特征在于，所述用户特征数据包括用户基本信息和用户特征行为，其中，所述用户基本信息包括职业、年龄、性别、教育程度、民族和用户渠道，所述用户特征行为包括租住时长、撤销退租行为、投诉行为和浏览网页行为；
所述交叉特征数据包括用户回访信息和用户偏好信息，其中，所述用户回访信息包括房源综合评分和服务品质评分，所述用户偏好信息包括通勤距离、价格需求和周边商圈需求；
所述房源...
【专利技术属性】
技术研发人员：李志武，李昭，陈浩，高靖，崔岩，卢述奇，陈呈，张宵，
申请(专利权)人：青梧桐有限责任公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。