發(fā)布時(shí)間：2021-04-18 05:26

　　隨著我國(guó)信息化社會(huì)進(jìn)入高級(jí)發(fā)展階段,大數(shù)據(jù)時(shí)代下的中國(guó)互聯(lián)網(wǎng)數(shù)據(jù)產(chǎn)生速度越來(lái)越快、越來(lái)越分散。我國(guó)房地產(chǎn)市場(chǎng)與互聯(lián)網(wǎng)建設(shè)隨著社會(huì)經(jīng)濟(jì)一同迎來(lái)了迅速發(fā)展,傳統(tǒng)的房地產(chǎn)數(shù)據(jù)分析方法已經(jīng)明顯感覺(jué)力不從心,各式各樣的地產(chǎn)公司與銷售網(wǎng)站如雨后春筍一般隨處可見(jiàn),如58同城、趕集網(wǎng)等。面向大數(shù)據(jù)分析的房地產(chǎn)數(shù)據(jù)分析技術(shù)應(yīng)運(yùn)而生,它不但能有效的處理海量資源,并且能將其轉(zhuǎn)化為結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行分析,以便于從業(yè)者通過(guò)合理配置房產(chǎn)資源促進(jìn)社會(huì)經(jīng)濟(jì)發(fā)展。但就國(guó)內(nèi)對(duì)房地產(chǎn)大數(shù)據(jù)的研究而言,更偏向于理論性的把握與詮釋,缺乏對(duì)該領(lǐng)域系統(tǒng)的研究與實(shí)踐,急需進(jìn)一步的落地。本文主要做了以下工作:（1）搭建了ELK房地產(chǎn)大數(shù)據(jù)系統(tǒng)平臺(tái),利用彈性搜索節(jié)點(diǎn)集群實(shí)現(xiàn)對(duì)全網(wǎng)數(shù)據(jù)以簡(jiǎn)單易懂的“倒排索引”的方式建立索引,相較于傳統(tǒng)數(shù)據(jù)檢索工具對(duì)大數(shù)據(jù)的處理力不從心,實(shí)現(xiàn)高效、穩(wěn)定、快速的檢索;利用日志存放器的自定義插件配置規(guī)范數(shù)據(jù)格式,配置字段過(guò)濾;通過(guò)可視化工具將檢索數(shù)據(jù)以簡(jiǎn)單美觀多元的可視化界面展示,使房地產(chǎn)分析數(shù)據(jù)的變化與趨勢(shì)一目了然。（2）本文通過(guò)機(jī)器學(xué)習(xí)Xgboost算法提煉出了影響房地產(chǎn)價(jià)格重要影響因子。并通過(guò)俄羅斯房地產(chǎn)數(shù)... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

房地產(chǎn)系統(tǒng)工作流程圖

西安電子科技大學(xué)碩士學(xué)位論文16圖2.4 數(shù)據(jù)集具體結(jié)構(gòu)圖圖2.5 交易房?jī)r(jià)散點(diǎn)圖通過(guò) python 工具的 pandas 包導(dǎo)入 train.csv、test.csv 以及 macro.csv 數(shù)據(jù)文件，通過(guò)左連接操作將 macro.csv 文件分別與 train_df.csv 文件和 test.csv 文件連接，利用公共的時(shí)間字段“timestamp”，生成 train_df.csv 文件以及 test_df.csv 文件，維度分別為（304710，391）和（76620，390），這意味著通過(guò)合并兩個(gè)表，可以得到 30.471萬(wàn)條的訓(xùn)練數(shù)據(jù)以及 7.66 萬(wàn)條的測(cè)試數(shù)據(jù)

16圖2.4 數(shù)據(jù)集具體結(jié)構(gòu)圖圖2.5 交易房?jī)r(jià)散點(diǎn)圖通過(guò) python 工具的 pandas 包導(dǎo)入 train.csv、test.csv 以及 macro.csv 數(shù)據(jù)文件，通過(guò)左連接操作將 macro.csv 文件分別與 train_df.csv 文件和 test.csv 文件連接，利用公共的時(shí)間字段“timestamp”，生成 train_df.csv 文件以及 test_df.csv 文件，維度分別為（304710，391）和（76620，390），這意味著通過(guò)合并兩個(gè)表，可以得到 30.471萬(wàn)條的訓(xùn)練數(shù)據(jù)以及 7.66 萬(wàn)條的測(cè)試數(shù)據(jù)

【參考文獻(xiàn)】：
期刊論文
[1]基于社交網(wǎng)絡(luò)分析和XGBoost算法的互聯(lián)網(wǎng)客戶流失預(yù)測(cè)研究[J]. 王重仁,韓冬梅.  微型機(jī)與應(yīng)用. 2017(23)
[2]大數(shù)據(jù)下房地產(chǎn)信息服務(wù)的挑戰(zhàn)及對(duì)策研究[J]. 劉枬,軒朵,陳蘊(yùn).  建筑經(jīng)濟(jì). 2017(02)
[3]房產(chǎn)大數(shù)據(jù):構(gòu)建行業(yè)全鏈條服務(wù)生態(tài)的必由之路[J]. 駱艷艷.  當(dāng)代企業(yè)世界(透明樓市). 2017(01)
[4]大數(shù)據(jù)時(shí)代對(duì)房地產(chǎn)估價(jià)行業(yè)的影響及對(duì)策分析——以杭州市為例[J]. 鄭曉俐.  住宅與房地產(chǎn). 2016(30)
[5]基于Lucene的地名數(shù)據(jù)庫(kù)快速檢索系統(tǒng)[J]. 張文元,周世宇,談國(guó)新.  計(jì)算機(jī)應(yīng)用研究. 2017(06)
[6]大數(shù)據(jù)在房地產(chǎn)市場(chǎng)分析中的應(yīng)用[J]. 繆濤,洪建國(guó),林波,田鑫.  中國(guó)房地產(chǎn). 2016(15)
[7]基于Elasticsearch的實(shí)時(shí)集群日志采集和分析系統(tǒng)實(shí)現(xiàn)[J]. 胡慶寶,姜曉巍,石京燕,程耀東,梁翠萍.  科研信息化技術(shù)與應(yīng)用. 2016(03)
[8]房地產(chǎn)大數(shù)據(jù)的研究現(xiàn)狀和趨勢(shì)分析[J]. 劉枬,劉小娟.  建筑經(jīng)濟(jì). 2015(06)
[9]大數(shù)據(jù)分析技術(shù)在我國(guó)房地產(chǎn)市場(chǎng)研究中的應(yīng)用[J]. 范志勇.  北方經(jīng)貿(mào). 2015(01)
[10]基于網(wǎng)絡(luò)搜索數(shù)據(jù)的房地產(chǎn)價(jià)格預(yù)測(cè)[J]. 董倩,孫娜娜,李偉.  統(tǒng)計(jì)研究. 2014(10)



本文編號(hào)：3144896