基于数据挖掘房地产价格预测.docVIP

基于数据挖掘房地产价格预测 　　摘 要： 针对当前房地产价格预测精度低的难题，提出基于数据挖掘的房地产价格预测模型。首先对当前房地产价格预测研究的现状进行分析，指出房地产价格变化的混沌性和随机性；然后采用混沌理论对数据进行预处理，重建房地产价格预测模型的样本，并采用相关向量机建立房地产价格预测模型；最后采用房地产价格数据进行验证性测试。该模型可以描述房地产价格历史数据中隐藏的变化特点，获得了比其他模型更优的房地产价格预测结果 关键词： 房地产市场； 价格预测； 混沌性变化； 非线性拟合 中图分类号： TN911?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）05?0126?04 Abstract： Since the prediction accuracy of the current real estate price is low， a real estate price forecasting model based on data mining is proposed. The study situation of the current real estate price prediction is analyzed to point out the chaos characteristics and randomness of the real estate price variation. The chaos theory is used to preprocess the data， and reconstruct the samples of the real estate price prediction model. The relevance vector machine is adopted to set up the real estate price prediction model. The data of the real estate price is employed to conduct the verification test. The model can describe the hidden change characteristics existing in the historical data of the real estate price， and obtain a better prediction result than that of other models. Keywords： real estate market； price forecast； chaos change； nonlinear fitting 0 引 言 ?S着经济不断发展和城市化进程的加快，房地产市场异常活动，房地产价格不断上升，同时房地产价格还受到一个地区的经济、国家政策以及综合影响，房地产价格有时会出现一定的下降，因此房地产价格变化具有一定的规律性和随机性[1]。对房地产价格进行预测，可以帮助政府和企业掌握一个地区、国家的房地产市场变化趋势，维护社会安全和团结，因此房地产价格建模与分析成为当前房地产市场中一个十分活跃的研究方向[2] 为了有效地对房地产价格进行预测，人们对其进行相关分析和研究，房地产价格预测模型大致可以划分为两个阶段：传统预测模型阶段和现代预测模型阶段[3]，传统模型主要有多元线性回归法，它通过拟合房地产价格的影响因子与房地产价格之间的变化关系，确定回归模型的相关参数值，从而对房地产价格将来的变化趋势进行估计，为房地产价格预测做出了一定的贡献，然而该类模型缺陷十分明显，因为假设房地产价格永远呈直线上升趋势，这与房地产价格的实际变化特点不相符，这主要是由于房地产价格的影响因素很多，因素间又相互影响以及干扰，导致房地产价格具有周期性，同时具有随机性，甚至具有一定的混沌特性[4?5]。现代模型主要针对房地产价格的随机性和混沌性进行建模，主要有神经网络、支持向量机等，可以反映房地产价格的随机性以及混沌性，获得了比传统模型更优的房地产价格的预测结果[6?8] 相关向量机（Relevance Vector Machine，RVM）是基于现代统计学理论的数据挖掘技术，集成了神经网络学习效率高和支持向量机预测效果好的优点，在网络流量、经济时间序列等领域取得了不错的应用效果，为房地产价格预测提供了一种新的建模工具[9]。为了进一步提高房地产价格预测精度，本文提出基于数据挖掘的房地产价格预测模型 1 房地产价格预测模型的总体设计 一个地区的房地产价格受到一系列因素的综合影响，价格波动范围很大，通常根据时间