基於PCA的支持向量回归分析於房价预测.PDFVIP

基於 PCA 的支持向量迴歸分析於房價預測 黃秀梅* 蘇高玄** *東方技術學院應用外語系 **高苑科技大學企業管理系 *高雄縣湖內鄉 829 東方路 110 號 **高雄縣路竹鄉 821 中山路 1821 號 摘 要 由於房價市場要注意的事項、考慮的因素相當多，這些都是影響房價的重要 指標。本研究嘗試先利用特徵萃取法中的主成分分析，將多個變數篩選出重要的 成分。再結合機器學習領域中，近年來廣泛應用在預測問題方面的支持向量迴 歸。實驗是利用 UCI 資料庫中 Boston Housing Data ，實驗結果說明利用PCA+SVR 來建構一迴歸模式，確實可以提高預測的準確性。 關鍵字：特徵萃取、主成分分析、機器學習、支持向量迴歸 Based on Principal Component Analysis and Support Vector Regression to Prediction of House Pricing * ** Hsiu Mei Huang Kao Hsuan Su * Department of Applied Foreign Language, Tung Fang Institute of Technology ** Department of Business Administration, Kao Yuan University *No.110 Tung Fang Road, Hu-Nei Village, Kaohsiung Country, Taiwan R.O.C. ** No.1821, Jhongshan Rd., Lujhu Township, Kaohsiung County 821,Taiwan R.O.C. Abstract There are a lot of affairs and variables to consider in watching houses, and all these items may play the important roles to influence the house pricing. This paper is trying to use the method of feature extraction in principal component analysis, then got the result as the input of Support Vectors Regression from the PCA. This paper will apply the methods of the PCA+SVR , to find a well equation predictin of the important features of house pricing for using Boston Housing Data in UCI dataset. Keywords: feature extraction, principal component analysis, machine learning, support vector regression 第一章 緒論 為自己、家人買一棟房子，是人們一生當中所追尋的夢想。然而要考慮買一 棟房子的時候，要注意的事項與考量因數