利用可解释性机器学习提取影响杭州市二手住宅价格的因子.pdfVIP

利用可解释性机器学习提取影响杭州市二手住宅价格的因子

UsingInterpretableMachineLearningtoExtractFactorsAffectingthePriceofSecond-Hand

HousesinHangzhou

文／曹献之浙江大学建筑工程学院硕士研究生

浙江大学平衡建筑研究中心

陆激浙江大学平衡建筑研究中心教授（通讯作者）

浙江大学建筑设计研究院有限公司

摘要：地理人工智能近年来取得了飞速的发展，然而由于机器学习“黑箱”模型的天性导致其可解释性一直存在困境。文章以杭州市中心城区二手住宅

价格为例，使用XGBoost模型将其与周边设施可达性指标和房产本身特征指标进行回归，并用SHAP模型解释各个变量的重要程度，最终量化了各个

因子对于二手住宅价格的影响程度。结果发现，到最近地铁站的距离和房龄对二手房价格有最为显著的影响。此外，西湖周边和钱塘江东岸沿江一带表

现出了很强的房价区位优势。

Abstract：Geographicartificialintelligencehasachievedrapiddevelopmentinrecentyears,butitsinterpretabilityhasbeendifficult