Analiza dynamiki najmu krótkoterminowego w Nowym Jorku metodami Data Science

Abstract

W przedłożonej pracy skupiono się na analizie i eksploracji danych Airbnb dla Nowego Jorku. Analiza obejmowała zrozumienie i statystykę danych, analizę przestrzenną danych oraz analizę słów. Praca zawiera również analizę cech Airbnb, które bezpośrednio lub pośrednio wpływają na ten proces, z wykorzystaniem badań przeprowadzonych przez trzy modele uczenia maszynowego: lasy losowe, XGBoost oraz sztucznych sieci neuronowych. Wycena oferty Airbnb jest bardzo wyzywającym zadaniem dla gospodarza, ponieważ musi on wziąć pod uwagę różne cechy i udogodnienia, jakie posiada jego oferta w porównaniu do konkurencyjnych ofert. Z drugiej strony, klienci Airbnb oceniają oferowaną cenę za noc, mając minimalne informacje na temat optymalnej wartości oferty Airbnb. Niniejsze badania testują hipotezę, że ceny ofert Airbnb w mieście Nowy Jork są bardziej zależne od fizycznej lokalizacji i rodzaju oferowanej nieruchomości, aniżeli od innych cech. Dlatego też, celem analiz przeprowadzonych na potrzeby przedłożonej pracy magisterskiej było zbadanie i weryfikacja istotnych cech, które pozwolą na najlepszą i najbardziej dokładną predykcję cen wynajmu obiektu za jedną noc. Praca została podsumowana opisem otrzymanych wyników poszczególnych modeli oraz zostały przedstawione potencjalne możliwe kierunki badania.