基于机器学习模型的郑州二手房价格评估

论文摘要

近年来,房价经历了从逐年大幅增涨到逐渐趋于稳定的过程,购房者不仅关注新房,而且二手房也越来越受到青睐。在一些城市二手房市场快速发展,成交量已超过一手房成交量。伴随二手房市场的繁荣,二手房价格的评估将给房地产开发商、中介和购房者提供更直观的市场信息,从而更有效地促成二手房交易。在我国,关于房价产价格的评估方法,市场法、收益法、成本法是经典的评估方法,它们适用于不同的市场环境,但由于这些方法更加注重定性分析,受主观因素影响较大。随着计算机技术的发展,许多学者开始运用计算机软件结合机器学习方法对房地产价格进行批量评估,这种方法更加注重定量分析,更加客观。本文参考近年的房地产评估方法,运用机器学习方法评估郑州市二手房价格,在实证分析中取得较好结果。本文爬取郑州市二手房的相关数据,并进行以下三方面的分析:一是描述性统计分析,对特征变量和目标变量的关系进行了初步探索,利用Python软件对结果进行可视化。初步得出了影响房价的因素,并结合实际对结果给出相应的解释。二是特征选择,运用两种特征选择方法,并且合并特征选择的结果,得到了最终用于模型训练的18个特征。特征选择的结果中主要涉及所属区域、建筑面积、建筑结构、住户数量、电梯数量、户型等因素,和现实情况相符。三是建立模型,分别建立Lasso回归模型、支持向量机模型和随机森林模型。在建模过程中本文运用网格搜索的方法进行调参,并且以均方误差为模型的评价标准,比较这三个模型在测试集上的预测效果,最终发现对于本文的郑州二手房数据,相比于Lasso回归和支持向量机,随机森林的均方误差最小,预测值和真实值的散点图更稳定的分布在斜率为1的直线附近,预测效果更可靠。

论文目录

• 摘要
• ABSTRACT
• 1. 绪论
•   1.1 研究背景
•   1.2 国内外研究现状
•     1.2.1 经典的房地产估计理论
•     1.2.2 新兴的房地产价格评估方法
•   1.3 研究目的和意义
•   1.4 研究框架和技术
•     1.4.1 论文框架
•     1.4.2 技术路线
• 2. 数据介绍和描述性统计分析
•   2.1 数据来源
•   2.2 数据指标说明
•   2.3 描述性统计分析
• 3. LASSO回归、支持向量机和随机森林
•   3.1 LASSO回归
•     3.1.1 Lasso回归的预备知识
•     3.1.2 Lasso回归
•   3.2 支持向量机
•     3.2.1 支持向量机分类
•     3.2.2 支持向量机回归
•   3.3 随机森林
•     3.3.1 CART模型
•     3.3.2 Bagging和随机森林
• 4. 特征选择
•   4.1 过滤式选择理论
•   4.2 过滤式特征选择的应用
• 5. 郑州市二手房价格评估
•   5.1 LASSO回归建模
•   5.2 支持向量机回归建模
•   5.3 随机森林建模
•   5.4 模型结果的比较
• 6. 结论和展望
•   6.1 基本结论
•   6.2 研究展望
• 参考文献
• 附录1
• 附录2
• 致谢

文章来源

类型: 硕士论文

作者: 司玺同

导师: 晏挺

关键词: 二手房,价格评估,回归,支持向量机,随机森林

来源: 华中师范大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,宏观经济管理与可持续发展

单位: 华中师范大学

分类号: F299.23;F224

DOI: 10.27159/d.cnki.ghzsu.2019.001272

总页数: 72

文件大小: 4410K

下载量: 80