在当前的社会生活状况中,住房已经成为了人类生存和发展的必要物质基础。随着改革开放进入攻坚时期,当前我国经济发展已经逐渐进入常态化,城市化水平进一步得以提升,这也同时也推动着人类赖以生存的基础--商品房的价格持续上涨。而对于城市中的年轻人而言,由于购房压力大,因此更多的人逐渐选择以租房的形式来解决住房问题。不过从我国当前的形式来看,我国房屋租赁市场发展仍存在众多缺陷,比如承租人与房东之间的信息出现错位,房东无法准确地对房屋租金进行定价,这导致一些承租人很难找到自己的住房条件,甚至会引起承租人与房东之间的矛盾。为了进一步保障我国房屋租赁市场的发展,加快房屋租赁市场信息的相互流通,更为合理地控制房屋租赁市场的价格,因此实现对房屋租赁市场租金的分析与预测对社会的发展有着重要的意义。本文首先基于Python网络爬虫技术,从链家网上爬取了天津市和平区、河西区、南开区、河东区、河北区和红桥区六个区域从2020年8月份至2021年1月的租房交易数据及房屋相关信息共17656条,包括租赁方式,面积,用水,朝向等16个特征变量。对爬取到的原始脏数据进行逐步清洗,并利用简单统计分析法对部分数据特征进行可视化,洞察该特征的整体分布状况,以尽可能保证样本数据对模型分析的有效性。同时本文对离散特征变量进行编码,进而对所有特征进行特征选择,得到了用于模型训练的16个特征。其次本文通过Lasso回归模型、随机森林回归模型和XGBoost回归模型对天津市住房租金进行预测分析,并采用gridsearchcv网格搜索方法进行模型调参,采用选择决定系数（）、均方根误差（RMSE）、平均绝对百分率误差（MAPE）三个指标对模型进行评价。最后,本文基于挑选出的随机森林模型对天津市内六区的不同特征下出租房屋的住房租金进行了预测。该研究在一定程度上可以帮助房东和租客降低由于市场信息不对称而导致的经济损失,保障我国住房租赁市场的平稳发展。