Xgboost / LinearRegression / SVM
Rental Listing Inquiries 数据集是 Kaggle 平台上的一个分类竞赛任务。
需要根据公寓的特征来预测其受欢迎程度（用户感兴趣程度分为高、中、低三类）。
其中房屋的特征 x 共有 14 维，响应值 y 为用户对该公寓的感兴趣程度。
评价标准为 logloss。
数据链接：https://www.kaggle.com/c/two-sigma-connect-rental-listing-inquiries
为减轻对特征工程的入手难度，以及统一标准，数据使用特征工程编码后的数据：
RentListingInquries_FE_train.csv，或稀疏编码的形式：RentListingInquries_FE_train.bin
xgboost 既可以单独调用，也可以在sklearn 框架下调用。
若采用 xgboost 单独调用使用方式，建议读取稀疏格式文件。
关于特征工程的过程，可参看文件：FE_RentListingInqueries.ipynb
bathrooms: 浴室的数量
bedrooms: 卧室的数量
building_id：
created：发布时间
description：一些描述
display_address：展出地址
features: 公寓的一些特征
latitude：纬度
listing_id
longitude：经度
manager_id：管理ID
photos: 租房图片集
price: 美元
street_address：街道地址
interest_level: 目标变量，受欢迎程度. 有三个类: ‘high’, ‘medium’, ‘low’