MACHINE LEARNING · PROJEKT 09
Projekt 04 · Machine Learning
Machine-Learning-Modell · Airbnb in London
Klassifikationsmodell mit logistischer Regression zur Identifikation relativ teurer oder günstiger Angebote innerhalb der jeweiligen Unterkunftsart.
KONTEXT UND ZIEL
Klassifikation von Angeboten nach ihrer relativen Tendenz zu höheren oder niedrigeren Preisen innerhalb der jeweiligen Unterkunftsart, ohne den Preis als direkte Prognose zu behandeln.
DATEN UND DIAGNOSE
- Der aufbereitete Airbnb-London-Datensatz dient als Ausgangspunkt.
- Die Zielvariable wird aus relativen Preisextremen je Unterkunftsart definiert, sodass Angebote innerhalb vergleichbarer Segmente gegenübergestellt werden.
- Eine logistische Regression wird mit Variablen zu Verfügbarkeit, Bewertungen, Mindestaufenthalt, Host-Größe und Stadtteil trainiert und anhand von Bewertungs- und Kalibrierungsmetriken geprüft.
ERGEBNIS UND LERNGEWINN
Das Ergebnis überführt das Modell in einen Score der relativen Preistendenz, der Angebote ordnet und günstige, mittlere und hohe Preisbereiche unterscheidet, ohne eine direkte Preisprognose zu suggerieren.