Advertisement

Airbnb新用户民宿预订预测-Kaggle竞赛数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本数据集为Airbnb新用户民宿预订行为预测的Kaggle竞赛专用，包含用户及房源信息，旨在通过机器学习模型预测新用户的预订倾向。 Airbnb 新用户的民宿预定预测，这是一个 Kaggle 比赛的完整数据集，主要包含六个 csv 文件，请有需要的小伙伴下载。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Airbnb新用户民宿预订预测-Kaggle竞赛数据集
    优质
    本数据集为Airbnb新用户民宿预订行为预测的Kaggle竞赛专用，包含用户及房源信息，旨在通过机器学习模型预测新用户的预订倾向。 Airbnb 新用户的民宿预定预测，这是一个 Kaggle 比赛的完整数据集，主要包含六个 csv 文件，请有需要的小伙伴下载。
     
  • Airbnb新用户民宿预订预测-数据集
    优质
    本数据集聚焦于预测Airbnb平台的新用户体验，包括他们的住宿偏好、预算范围及潜在目的地，为房东和用户提供有价值的参考信息。 Airbnb新用户的民宿预定预测Kaggle比赛的完整数据集主要包括5个CSV文件。
     
  • Airbnb 新用户预订数据集
    优质
    这个数据集包含了Airbnb新用户的预订信息，包括但不限于预订时间、地点及住宿类型等，为分析平台使用趋势和用户行为提供支持。 Airbnb New User Bookings 数据分析集包括以下文件：train.csv、test.csv、session.csv、countries.csv、age_gender_bkts.csv 和 sample_submission_NDF.csv。
     
  • 贷款违约预测 Kaggle 竞赛数据集
    优质
    这是一个来自Kaggle平台的贷款违约预测竞赛的数据集，包含大量有关借款人的信息，旨在帮助模型学习并预测个人是否会违约还款。 贷款违约预测竞赛的数据集包含了个人的金融交易记录，并已经过标准化及匿名处理。数据集中共有20万个样本，每个样本包含800个属性变量且彼此独立。每条记录被标记为“违约”或“未违约”，对于发生违约的情况会额外标注出损失率（范围在0到100之间），表示贷款的损失比例；而未出现违约情况下的损失率为零。该数据集用于通过样本特征值来预测个人贷款可能产生的违约风险及其潜在经济损失，这些信息来源于英国帝国理工大学的研究项目中。
     
  • 《参与Kaggle竞赛：房价预测》数据集
    优质
    本数据集为Kaggle竞赛“房价预测”设计，包含详细的住宅属性与对应价格信息，旨在通过机器学习模型准确预测房屋售价。 实战Kaggle比赛：房价预测-数据集 在参与Kaggle的房价预测比赛中，参赛者需要利用提供的数据集进行模型训练与优化，以提高对房屋价格的预测准确性。该过程不仅能够帮助提升个人的数据分析能力、机器学习技能和竞赛经验，同时还能通过与其他选手的竞争交流来获取新的知识和技术见解。 比赛的核心在于如何有效地处理并解析海量数据中的关键信息，并将其转化为有助于房价预估的有效特征；此外，在模型选择方面也需要综合考虑不同算法的优缺点及其适用场景。因此，参加此类活动对于希望在房地产数据分析领域深入发展的人员来说是一个极佳的学习机会和实践平台。
     
  • Kaggle自行车租赁预测竞赛-数据集
    优质
    该数据集来自Kaggle自行车租赁预测竞赛，包含历史天气条件和租车站点自行车租赁记录，旨在通过分析影响因素来预测未来需求。 Kaggle自行车租赁预测比赛是一个数据分析竞赛，参赛者需要根据历史数据来预测未来的自行车租赁需求。这是一个很好的机会来展示你的机器学习技能，并与全球的数据科学家们交流学习。
     
  • 房屋租赁查询次数预测竞赛【Kaggle竞赛】数据集
    优质
    该Kaggle竞赛数据集用于预测房屋租赁市场的查询次数，参赛者需利用历史租赁查询数据建立模型，以帮助房地产行业更准确地预测市场趋势。 根据房屋租赁信息发布日期和其他相关特征来预测该租赁信息预计被查询点击的次数，从而提供欺诈控制和信息质量监测功能，帮助房东和代理人更好地理解租户的需求和偏好。
     
  • 电信用户流失预测竞赛数据集
    优质
    本数据集专为电信用户流失预测竞赛设计，包含大量客户行为与属性信息，旨在帮助参赛者构建模型以分析用户流失风险。 赛题数据包括训练集和测试集两部分，总数据量超过25万条记录，并包含69个特征字段。为了确保比赛的公平性，将从这些数据中抽取15万条作为训练样本，3万条用于测试。同时会对某些敏感信息进行脱敏处理。 具体来说，以下是一些主要的特征字段： - 客户ID - 地理区域 - 是否双频手机 - 手机是否为翻新机型 - 当前手机的价格 - 手机网络功能情况 - 婚姻状况信息 - 家庭成人人数统计 - 信息库匹配结果 - 预计收入水平 - 信用卡持有状态指示器 - 用户当前设备使用天数 - 在职总月数 - 家庭中唯一订阅者的数量 - 家庭活跃用户数目 ...以及过去六个月的平均每月通话分钟、平均每月呼叫次数和平均月费用，最后是否流失等信息。
     
  • 电信用户流失预测竞赛数据集
    优质
    该数据集专为电信用户流失预测竞赛设计，包含大量客户行为和人口统计数据，旨在帮助参赛者建立模型以预测哪些用户可能终止服务。 赛题数据由训练集和测试集组成，总数据量超过25万条记录，并包含69个特征字段。为了确保比赛的公平性，将从中抽取15万条作为训练集，3万条作为测试集，并会对部分字段信息进行脱敏处理。特征字段包括：客户ID、地理区域、是否双频手机、是否翻新机、当前手机价格、手机网络功能、婚姻状况、家庭成人人数、信息库匹配情况、预计收入水平、信用卡持有状态、当前设备使用天数、在职总月数、家庭中唯一订阅者的数量以及家庭活跃用户数等。此外，还包括过去六个月的平均每月使用分钟数和通话次数，以及平均月费用，并标记是否流失。
     
  • 贷款违约预测 Kaggle 竞赛数据.zip
    优质
    此数据集为Kaggle竞赛专用，包含金融机构客户的历史贷款信息及是否发生过违约情况，旨在帮助模型训练以预测未来客户的贷款违约风险。 贷款违约预测竞赛数据【Kaggle竞赛】.zip包含了用于预测贷款违约情况的数据集，适用于参加相关的机器学习比赛。