房地產(chǎn)產(chǎn)業(yè)是我國拉動經(jīng)濟發(fā)展最主要的產(chǎn)業(yè)之一,隨著城市面積的快速擴張,城市市中心土地市場供應的愈發(fā)緊缺,房地產(chǎn)交易市場已由新房交易市場向二手房交易市場轉(zhuǎn)變,準確的房地產(chǎn)評估對于指導人們買賣房產(chǎn),政府制定稅收及制定經(jīng)濟發(fā)展戰(zhàn)略都有十分重要的作用。在這種情況下,政府、中介、買賣人對完善的二手房市場信息和準確的二手房價格的需求越來越迫切。二十一世紀計算機技術和信息技術的發(fā)展,人們在房地產(chǎn)評估的方式上不再局限于傳統(tǒng)的人工評估方式�？蒲泄ぷ髡邆冋诓粩嗵剿餍碌姆椒▉斫鉀Q批量評估過程中要人工完成大量數(shù)據(jù)處理和計算工作,計算機技術的更新使大數(shù)據(jù)房地產(chǎn)估價的方式逐漸走進了人們的視野。在房地產(chǎn)評估方法研究中,伴隨大數(shù)據(jù)技術和人工智能的進步,利用大數(shù)據(jù)技術來進行房地產(chǎn)評估逐漸成為了新的研究焦點,其在房地產(chǎn)評估領域內(nèi)的應用也逐漸的火熱起來并獲得了更多的市場認可。本研究從網(wǎng)上公開數(shù)據(jù)獲取了近六千條大連市二手房掛牌信息作為原始數(shù)據(jù),采用最新的機器學習算法結合房地產(chǎn)評估理論探索數(shù)據(jù)驅(qū)動房地產(chǎn)評估的可行性,經(jīng)過對三種算法的模型評價指標的比較最終得出結論,相比于傳統(tǒng)的機器學習方法,CatBoost算法在房地產(chǎn)價格評估的...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

圖１－３爬取數(shù)據(jù)的小區(qū)在大連市的分布圖??（２）

?數(shù)據(jù)驅(qū)動下房地產(chǎn)批量評估方法研究——基于機器學習的建模分析???１．３．２研究方法??（１）因子數(shù)據(jù)選取方面??本文在房屋價格屬性的基礎上，選取了房屋交易過程中，價格影響較大的??數(shù)據(jù)作為選取的因子。這些因子的選取符合房地產(chǎn)價格評估的原理，從房屋的??個體因素、鄰里環(huán)境、區(qū)位因....

圖２－２?ＣａｔＢｏｏｓｔ算法原理圖??ＣａｔＢｏｏｓｔ算法基于對稱決策樹為基學習器，該算法具有使用簡單，調(diào)節(jié)參??

?數(shù)據(jù)驅(qū)動下房地產(chǎn)批量評估方法研究一基于機器學習的建模分析???法在準確率方面有了很大的提升，實際應用中表現(xiàn)中也更加的優(yōu)秀。ＣａｔＢｏｏｓｔ??算法的原理如圖２－２所示：??｜類別型特征的相關工作??目標變量統(tǒng)計??’?類別型特征?｜?＜?????１?特征組合????｜?Ｃａｆｆ....

圖５－７多元回歸模型評價指標值擬合優(yōu)度圖??

?數(shù)據(jù)驅(qū)動下房地產(chǎn)批量評估方法研究一基于機器學習的建模分析???多元回歸模型評價指標值擬合優(yōu)度如５－７圖所示：??ＬｉｎｅａｒｉＲｅｇｒｅｓｓｉｏｎ??２０００?＊??＾?１５?００?＇??１??■?１＿，??５００?？?Ｉ??◎?Ｗ｜Ｐ｜｜＾ｆ｜＾ｐｉｐＦ？ｌｉｐ，ＩＰ＇ｆｉｐ....

圖５－１０隨機森林模型評價指標值擬合優(yōu)度圖??圖中顯示的是在隨機森林模型測試中，測試值的數(shù)量和價格的曲線圖，定??

?數(shù)據(jù)驅(qū)動下房地產(chǎn)批量評估方法研究一基于機器學習的建模分析???表?５－４?ＲａｎｄｏｍＦｏｒｅｓｔ?Ｒｅｓｕｌｔｓ??ｒ２＝?０．９５３?ＭＳＥ：?１１４２．５６??ＲＭＳＥ：?３３．８?ＭＡＥ：?２０．８９??隨機森林模型評價指標值擬合優(yōu)度圖如５－１０所示：????Ｒａｎｄｏ....

本文編號：4032589