基于机器学习的二手房估价模型

论文摘要

伴随着房地产行业的迅速发展,近几年来购房热度逐渐飙升。住房关系人民的生活之本,而房价更关乎整个国民经济和人民生活的幸福感,因此住房价格逐渐成为社会关注的焦点问题。在现有的文献中,研究房价问题一般会采用传统的多元线性回归方法,该方法存在一个弊端是假设不同小区之间、小区与周围环境之间是互不影响的,其房屋估价的准确性很难得到保证。因此,本文在传统特征价格模型基础上加入空间效应,使用机器学习方法,建立一种更加科学准确的二手房估价模型。这种改良的空间特征价格模型能够帮助开发商更好地做出投资决策,为消费者购房时提供更准确的参考依据。本论文的主要内容包括:1、应用爬虫方法搜集了昆明市盘龙区132个小区的1060条数据,针对其中的缺失数据和脏数据进行预处理,将空间分异概念引入传统估价模型中,提出改进的空间特征价格模型。2、运用多种方法对收集的房价数据进行预测。首先介绍了所用方法的相关理论知识,用引入空间变量的最传统的方法—多元线性回归对数据进行分析,发现拟合度不高,F值很小。然后用XGboost和随机森林方法找到对小区单价影响较大的几个特征变量,10折交叉验证后,选出最优的参数。最后分别取70%为训练集,30%为测试集后,用支持向量回归、随机森林回归以及XGboost回归进行建模,得到单价的预测值。3、对比测试集房价预测值的误差和模型拟合优度,分析影响估价模型的主要因素并提出相关建议。结果表明,小区的位置、小区周围的交通条件(如距最近地铁站、公交车站的远近)、小区周围的教育环境(距最近学校的远近)以及房屋建造时间等对房价产生很大的影响。通过提取重要性较高的变量建模后,发现随机森林回归方法相对误差最低,XGboost回归模型拟合优度最高,即引入空间效应的随机森林回归模型和XGboost回归模型更适用于昆明市盘龙区二手房数据的研究。

论文目录

摘要

Abstract

第一章绪论

1.1 背景

1.2 研究目的和意义

1.3 国内外研究现状

1.4 研究方法

1.5 本文结构

1.6 本文创新和不足

1.6.1 本文创新点

1.6.2 不足点

第二章房地产市场发展现状及住宅价格相关概念

2.1 房地产市场发展现状

2.1.1 全国房地产市场现状

2.1.2 二手房地产现状

2.1.3 昆明房地产发展现状

2.2 相关概念

2.2.1 住宅价格

2.2.2 住宅价格空间分异概念

第三章预备知识

3.1 回归树

3.1.1 回归树原理

3.1.2 划分选择

3.2 随机森林回归模型

3.2.1 随机森林原理

3.2.2 随机森林回归算法

3.2.3 变量重要性指标

3.3 多元线性回归

3.3.1 原理介绍

3.3.2 模型结构与假设

3.3.3 模型的参数估计

3.3.4 模型的假设检验

3.4 支持向量回归

3.5 XGboost回归模型

3.5.1 有监督学习算法的逻辑组成

3.5.2 XGboost算法概述

第四章昆明市盘龙区二手房价格实证分析

4.1 统计样本和数据来源

4.2 数据的预处理相关理论

4.2.1 one-hot编码

4.2.2 XGboost中early-stopping机制

4.2.3 机器学习中k-fold检验

4.3 数据的处理以及模型的预建立

4.4 四种方法建模结果分析

4.4.1 多元线性回归结果分析

4.4.2 随机森林回归建模结果分析

4.4.3 支持向量机建模结果分析

4.4.4 XGboost回归建模结果分析

第五章总结与展望

5.1 本文工作总结

5.2 未来展望

参考文献

攻读硕士学位期间完成的科研成果

致谢

文章来源

类型: 硕士论文

作者: 梁佩

导师: 孟捷

关键词: 机器学习,空间效应,二手房估价,住宅价格

来源: 云南大学

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: 云南大学

分类号: F299.23;F224

总页数: 51

文件大小: 2804K

下载量: 264

基于机器学习的二手房估价模型

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢