基于随机森林模型的昆明市二手房价格预测模型和研究.docxVIP

PAGE 4 基于随机森林模型的昆明市二手房价格预测模型和研究 摘　要　　进入新世纪以来，大量前沿技术异军突起，新技术不断渗透到各个领域，人民的生活水平极大进步的同时，对于住房的需求也有了全方位的提高。飞速发展的房地产市场已成为推动经济增长、拉动内需的基础性支柱产业，在国民经济发展中扮演着重要角色，住房问题不仅是民生问题，更是经济问题。传统的人工评估方案越来越难以满足人们的需求的当下，人们开始重视网络数据的应用，并且开始通过建模去研究问题。 　　本文搜集了2018年——2021年的昆明市部分二手房成交数据，利用随机森林模型对房价进行预测。由分析结果可知：随机森林模型相比于线性回归等方案，对于过拟合和局部最优的不足有更好的规避，能得到更好的拟合效果。根据分析结果，文章最后对房价预测模型提出可行性建议与对策，旨在得提升二手房预测的效率和准确性。关键词：昆明市　二手房价　随机森林 一、引言 选题背景及研究意义 　　随着第四次工业的来临，大量前沿技术异军突起，人工智能，大数据，5G和物联网等技术不断渗透到各个领域，人们的生活出现了天翻地覆的变化。随着技术的飞速发展和数据量的爆炸性增长，人们开始重视网络数据的应用，并试图以海量数据为基础，通过数据分析和建模进行科学研究，以获取有价值的信息，进而做出更加正确的决定。机器学习使用计算机来模拟人类思考和归纳的过程，可以解决许多复杂的问题。使用机器学习算法来分析数据已成为当前数据分析和建模的主流方法。　　住房是人们生活最基本的需求之一，在购房时人们总是希望用比较实惠的价格买到理想的住房，然而随着市场的变化，房价时高时低，大众很难捕捉到很好的购房时机，因此房价预测就成为人们普遍关心的事情。同时，飞速发展的房地产市场已成为推动经济增长、拉动内需的基础性支柱产业，在国民经济发展中扮演着重要角色。所以，住房问题不仅是民生问题，也是经济问题，关系着国家和社会的稳定。房价是房产的市场价值，其对人们的生活水平和国民经济发展有着很大的影响。房价的研究已受到统计学、管理学、计算机科学等多个领域的重点关注，房价的预测也成为许多学者研究探讨的问题。　　很多学者在该领域进行了深入研究，有的通过引入数学模型，结合数据分析来预测房价的走势；一些学者则利用市场分析，结合国家宏观经济政策调整，来对房价进行预估。顺应大数据和机器学习的发展趋势，结合网络数据，使用机器学习算法对房价进行分析和预测更加科学，可以帮助公众了解房价变化的真正影响因素。 文章结构 　　本文主要内容分为四个章节。第一章为引言，介首先介绍当前房屋价格评估算法的研究背景与意义，总结了本论文主要的研究内容。第二章是研究房地产价格评估的理论基础，包括近年来国内外对影响房价因素的研究成果，以及随机森林模型和多元线性回归的基础理论。第三章为二手房价格影响因素分析与价格价格预测模型构建，先介绍了数据来源以及变量选择，运用线性回归和随机森林模型训练数据分析和预测房价。第四章得出结论并且提出相应对策。二、文献综述与本文研究理论基础 国内进展 　　20世纪30年代，我国才开始进行房地产价格评估方面的研究。相比国外，我国进入房地产价格评估研究领域较晚，前期发展也比较缓慢。直到20世纪80年代，国家决定对土地制度和城市住房制度进行，房地产价格评估理论的发展才进入上升期。经过30年的快速发展，我国房地产价格评估理论综合借鉴了美国和英国的房地产价格评估理论，在实际房地产价格评估中经常采用基于专业评估人员人工方式进行价格评估的传统方法，例如：市场比较法、成本法等。富闽与鲁汪波（2007）通过总结我国二手房价格评估过程中的问题，进而分析和构建了二手房价格评估指标体系，最终运用市场比较法对二手房价格进行评估，使结果更加准确，缩小交易双方对二手房价格期望的差异。　　近年来，我国学者也有将数学模型引入到房地产价格评估中，各种房地产价格评估理论层出不穷，多元线性回归模型就是其中之一。例如，刘晓群（2008）基于武汉汉阳房地产样本数据，对房地产特征属性分别从定性方面和定量方面进行了分析论证，并提出将特征属性从定性转化为定量的方法，建立了有效的定量二手房价格评估模型。王卓琳（2009）以特征价格理论为基础来构建基于多元线性回归的房地产价格评估模型，对北京市房地产市场进行特征价格分析，然后将模型得出的结论与经济理论相结合，给出合理的解释，最终将评估结果应用到北京市房地产市场，为北京市房地产相关政策提供参考。 　　除了多元线性回归模型之外，人工神经网络（ANN）也是一个流行的评估方法。早在1998年，人工神经网络方法就已经应用于房地产价格评估研究中，当时学者申玲首次将非线性模型BP神经网络应用到对住宅小区的定价研究，使用该模型对房价特征变量进行建模计算，最终证明了该方法的可行性、有效性以及高准确