隨著我國(guó)經(jīng)濟(jì)快速發(fā)展和城市化的不斷推進(jìn),我國(guó)房地產(chǎn)市場(chǎng)一片欣欣向榮,人們對(duì)房地產(chǎn)信息的關(guān)注度也越來(lái)越高了,然而在城市可供開(kāi)發(fā)的土地越來(lái)越少,二手房的交易市場(chǎng)已經(jīng)逐漸成了房地產(chǎn)交易中的重要角色,快速精確的對(duì)二手房估價(jià)的需求也變得越來(lái)越大,快速對(duì)房?jī)r(jià)做出預(yù)估,可以讓政府通過(guò)制定精準(zhǔn)的調(diào)控政策并監(jiān)督中介市場(chǎng),可以讓中介緊跟房地產(chǎn)行業(yè)的發(fā)展趨勢(shì),規(guī)范化自身服務(wù),可以讓購(gòu)房者根據(jù)預(yù)估結(jié)果作為參考,避免中介欺詐買(mǎi)家等問(wèn)題。我國(guó)在房地產(chǎn)估價(jià)采用的方法一般包括市場(chǎng)法、收益法、成本法,其中市場(chǎng)法應(yīng)用最為廣泛。然而運(yùn)用市場(chǎng)法和評(píng)估者的經(jīng)驗(yàn)有很大關(guān)系,且受主觀評(píng)估者主觀因素影響,近年來(lái),國(guó)內(nèi)學(xué)者為了改善市場(chǎng)法的不足采用統(tǒng)計(jì)建模的方式進(jìn)行房?jī)r(jià)預(yù)測(cè),本文通過(guò)引入Stacking算法建立模型對(duì)二手房房?jī)r(jià)進(jìn)行評(píng)估。本文通過(guò)網(wǎng)絡(luò)爬蟲(chóng)抓取北京市鏈家網(wǎng)二手房網(wǎng)站2萬(wàn)余條二手房信息,其特征包括二手房的房屋戶(hù)型、套內(nèi)面積等33個(gè)特征,經(jīng)過(guò)數(shù)據(jù)探索、數(shù)據(jù)清洗、數(shù)據(jù)變換,數(shù)據(jù)降維等過(guò)程建立了較優(yōu)的指標(biāo)體系,并構(gòu)建了基于Stacking理論的北京二手房交易價(jià)格預(yù)測(cè)的模型,通過(guò)網(wǎng)格搜索調(diào)整參數(shù)對(duì)模型進(jìn)行優(yōu)化,最后采用五折交叉驗(yàn)證的方法,將SVR算法、GBDT回歸算法、隨機(jī)森林回歸算法、多層感知機(jī)回歸算法以及將將這四種算法融合的Stacking算法進(jìn)行對(duì)比研究,最后通過(guò)實(shí)證得出Stacking算法比單個(gè)算法具有預(yù)測(cè)模型穩(wěn)定性好、預(yù)測(cè)誤差小的等優(yōu)點(diǎn),值得在房地產(chǎn)價(jià)格預(yù)估行業(yè)中推廣和應(yīng)用。
【學(xué)位授予單位】：遼寧科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：F299.23;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 韋艷艷;李陶深;劉美玲;;融合DECORATE的異構(gòu)分類(lèi)器集成算法[J];計(jì)算機(jī)應(yīng)用研究;2012年11期

2 胡六星;吳結(jié)飛;;基于灰色系統(tǒng)理論的兩種房?jī)r(jià)預(yù)測(cè)方法比較[J];統(tǒng)計(jì)與決策;2010年07期

相關(guān)碩士學(xué)位論文 前5條

1 時(shí)文靜;基于Lasso與數(shù)據(jù)挖掘方法的影響北京二手房?jī)r(jià)格的因素分析[D];北京工業(yè)大學(xué);2017年

2 王燦強(qiáng);基于異常值處理的隨機(jī)森林和kNN模型在EEG數(shù)據(jù)中的應(yīng)用[D];蘭州大學(xué);2017年

3 陳文;中文短文本跨領(lǐng)域情感分類(lèi)算法研究[D];重慶大學(xué);2016年

4 馬忠臣;集成剪枝評(píng)估準(zhǔn)則及PS-ELMs模型在時(shí)間序列預(yù)測(cè)中的應(yīng)用研究[D];南京航空航天大學(xué);2014年

5 岳學(xué)杰;房地產(chǎn)估價(jià)理論實(shí)踐研究[D];鄭州大學(xué);2007年

本文編號(hào)：2732826