Modelli non parametrici ad effetti casuali: un'applicazione ai dati di Airbnb

In questo lavoro vengono presentate delle estensioni di alcuni modelli non parametrici, in particolare alberi di regressione, random forest e gradient boosting, al caso in cui questi vengano applicati a dati gerarchici. Gli approcci proposti incorporano una componente casuale, tipica dei modelli lineari ad effetti misti, ai modelli non parametrici, al fine di tenere conto delle strutture di dipendenza proprie di questa tipologia di dati ma mantenendo la flessibilità iniziale. I vari modelli non parametrici vengono applicati ai dati relativi agli alloggi di Airbnb nella città di Roma, vengono implementate le versioni con doppia intercetta casuale non innestata per host e per zona e le loro performance vengono messe a confronto con i corrispettivi modelli senza effetti casuali.