隨著我國城鄉(xiāng)一體化及現代化進程的快速推進,房地產市場蓬勃發(fā)展,二手房交易越來越活躍.但由于中介公司良莠不齊,并通過低吸高拋、肆意標價等行為攫取高額利潤,導致買賣雙方信息不對稱,嚴重阻礙二手房市場健康發(fā)展,因此,對二手房價格的影響因素和預測研究極具現實意義.目前大多數學者主要集中于對二手房房屋均價和掛牌價格的研究,而成交價格更能反映房屋價值.因此,本文將對濟南市二手房成交價格的影響因素進行分析并建立預測模型.首先,本文從鏈家二手房交易網和房天下房屋交易網站爬取到濟南市2020年1月到2021年8月九個區(qū)的成交二手房信息,并從濟南市統(tǒng)計年鑒和中經網統(tǒng)計數據庫獲得濟南市2020年九個區(qū)的GDP等宏觀經濟數據作為原始數據集.經過數據清洗及特征工程等過程,最終得到一個包含38個特征變量的濟南市成交二手房數據集.其次,結合網格搜索和交叉驗證對處理后的數據集分別構建Ridge回歸、Lasso回歸、CART回歸樹和SVR四個單一模型,以及RF、Ada Boost和XGBoost三個集成模型:一方面對比各模型的評價指標得到,集成模型的預測效果均優(yōu)于單一模型,且XGBoost模型的預測效果最優(yōu);另一方面基...

【文章頁數】：84 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 文獻綜述
        1.2.1 國外研究現狀
        1.2.2 國內研究現狀
        1.2.3 文獻評述
    1.3 論文組織結構
第二章 理論概述
    2.1 單一模型
        2.1.1 Ridge回歸模型
        2.1.2 Lasso回歸模型
        2.1.3 CART回歸樹模型
        2.1.4 SVR模型
    2.2 集成模型
        2.2.1 集成學習
        2.2.2 RF模型
        2.2.3 Ada Boost模型
        2.2.4 GBRT模型
        2.2.5 XGBoost模型
    2.3 超參數優(yōu)化及模型評價方法
        2.3.1 Grid Search
        2.3.2 交叉驗證
        2.3.3 模型評價指標
    2.4 本章小節(jié)
第三章 數據清洗及特征工程
    3.1 數據來源及說明
        3.1.1 特征變量的初選
        3.1.2 數據來源及變量說明
    3.2 數據清洗
        3.2.1 特征變量的變形處理
        3.2.2 缺失值處理
        3.2.3 異常值處理
    3.3 數據可視化
    3.4 特征工程
        3.4.1 數據變換
        3.4.2 特征選擇
    3.5 本章小結
第四章 濟南市二手房成交價格預測模型構建及影響因素分析
    4.1 濟南市二手房成交價格的單一模型構建
        4.1.1 Ridge回歸模型
        4.1.2 Lasso回歸模型
        4.1.3 CART回歸樹模型
        4.1.4 SVR模型
    4.2 濟南市二手房成交價格的集成模型構建
        4.2.1 RF模型
        4.2.2 Ada Boost模型
        4.2.3 XGBoost模型
    4.3 模型預測效果對比分析
    4.4 濟南市二手房成交價格影響因素分析
    4.5 本章小結
第五章 濟南市二手房成交價格的Stacking融合模型構建
    5.1 Stacking融合模型的構建
    5.2 XGBoost模型與Stacking融合模型預測效果對比
    5.3 Stacking融合模型的穩(wěn)健性檢驗
    5.4 基于Stacking融合模型的濟南市二手房成交價格預測分析
    5.5 本章小結
第六章 建議與展望
    6.1 濟南市二手房市場存在的問題及對策建議
    6.2 總結與展望
參考文獻
附錄
致謝



本文編號：3900457