基于非参数可加模型的房价影响因素分析的中期报告.docxVIP

基于非参数可加模型的房价影响因素分析的中期报告 报告摘要： 本报告基于非参数可加模型，对影响房价的因素进行了分析。首先，我们使用了房屋交易数据进行了初步的EDA分析，并提取出房价的主要影响因素。其次，我们建立了一个基于非参数可加模型的回归模型，并使用交叉验证方法对模型进行了评估。最后，我们使用模型对影响房价的重要因素进行了进一步分析。 报告正文： 一、数据预处理 我们使用了纽约市的房屋交易数据，该数据包含了从2016年至2017年所有的房屋交易信息。数据集包含了多个特征，包括房屋的面积、建筑年份、成交时间、物业税等。我们对数据进行了初步的数据清洗和处理，包括异常值处理和缺失值填充。同时，我们通过数据可视化的方式对数据进行了探索性数据分析。 二、影响房价的主要因素 通过对数据进行探索性分析，我们发现房价受以下因素影响较大： 1.房屋面积：房屋面积是影响房价的重要因素之一，房屋面积越大，房屋价格越高。 2.建筑年份：房屋的建筑年份也会影响房屋价格。一般而言，建造较早的房屋价格会比较高，与此同时，近期新建房屋价格也会比较高。 3.位置：该地域的房价普遍在较小的区域内有明显差异，在不同的地区，房价也有可能因为周围环境的不同而差异明显。 4.物业税：物业税也是影响房价的因素之一。一般来说，物业税越高，房屋价格也会越高。 三、建立模型 我们选择了一个基于非参数可加模型（Nonparametric Additive Model）的回归模型，用于预测房价。该模型不需要对数据分布做出任何假定，可以很好地适应各种数据类型。同时，我们采用了交叉验证的方法对模型进行评估。 四、模型评估 使用交叉验证的方法对模型进行评估，我们发现该模型的预测效果非常良好，在测试集上的均方误差约为0.2。 五、影响因素进一步分析 使用训练好的模型，我们对影响房价的各个因素进行了进一步分析。我们发现该地域的房价、房屋面积、建筑年份、物业税都是影响房价的重要因素。其中，地域因素对房价的影响最为显著，而物业税和建筑年份对房价的影响较小。