基于机器学习的房价估测的研究开题报告
2020-02-18 04:02
1. 研究目的与意义(文献综述)
1.1 研究目的及意义
住房在国人观念中占据着举足轻重的地位。房价,也因为其特殊性,一直是一个备受人民群众关注的热点话题。自1980年正式被定义为商品以来,围绕住房而形成的房地产行业已成为我国国民经济中保民生、促增长的重要支柱。迄今为止,房地产行业曾经历过黄金十年,风光无限,带动国家经济增长;也体验过泡沫破裂,一片狼藉,影响市场活力。因此,房地产行业的不确定性会对国家经济发展、人民的日常生活乃至社会的稳定造成不同程度的影响。2008年全球金融危机以后,由于城镇化的影响及政策的推动,我国的房地产市场一度十分火爆,房价飞速上涨。杠杆式的收入也让房地产行业成为人民群众进行投资、消费的新渠道。合理正确地预测房价走势,对于居民的投资、消费乃至国家的宏观调控都有巨大的帮助。
随着社会政治经济水平的发展,房价的影响因素越来越复杂,依靠传统的计量模型对房价进行预测的局限性越来越大。因此,需要新的模型对房价进行预测,同时也要评估这些新模型的准确性。而近年来,人工智能发展迅速,国外学者开始将机器学习的方法广泛地应用于房地产评估领域。因为房地产评估中涉及的特征变量众多,特征变量与价格的关系并非传统的线性或某些特定的函数关系,釆用机器学习的方法能够更好地挖掘特征变量与价格的关系,从而取得更好的评估效果。
2. 研究的基本内容与方案
本次设计旨在通过一些房地产网站获取目标城市的房价数据,进而借助不同的机器学习算法分析这些数据,最终对目标城市的房价进行预测。在预测的同时,本设计还将设计一些指标来比较不同算法的准确度。
本次设计主要分为四步骤:
(1) 原始数据的获取。考虑到机器学习需要一定量级的数据,本次设计原始数据的获取方式拟采用数据挖掘的方法,通过访问一些房地产交易网站来获取目标城市的房价数据。一般情况下,房地产网站的数据量能够达到模型的训练要求。
3. 研究计划与安排
第1-3周:查阅相关文献资料,明确研究内容,了解研究所需理论基础。确定方案,完成开题报告。
第4-5周:熟悉掌握基本理论,完成英文资料的翻译,熟悉开发环境。
第6-9周:编程实现各算法,并进行仿真调试。
4. 参考文献(12篇以上)
[1] 高玉明,张仁津.基于遗传算法和bp神经网络的房价预测分析[j].计算机工程,2014,40(04):187-191.
[2] 李东月.房价预测模型的比较研究[j].工业技术经济,2006(09):65-67.
[3] 武秀丽,张锋.时间序列分析法在房价预测中的应用——以广州市的数据为例[j].科学技术与工程,2007(21):5631-5635.
最新文档
- 芳香族化合物对哺乳动物急性毒性的QSAR模型:老鼠口 服LD50的研究外文翻译资料
- 基于风险的建设项目的非均衡定价检测模 型外文翻译资料
- 关于酒类饮料包装价值感知的实证分析外文翻译资料
- 注塑模具工业设计指导外文翻译资料
- 氨基官能化咪唑基氨基酸离子液体的CO2的吸收特性外文翻译资料
- 扩充旁观者的视角:探索增强现实技术用以提升在线服务体验的战略可能性’外文翻译资料
- 使用香港本地骨料的实心混凝土板中剪力钉的抗剪性能研究外文翻译资料
- 批判区域主义的展望外文翻译资料
- 不同层间阴离子的MgAl层双氢氧化物的DFT研究:结构、阴离子交换、 主客体相互作用和基本位点外文翻译资料
- 新型分层SiC纳米线增强SiC /碳泡沫复合材料:轻巧,超. 薄和高效的微波吸收体外文翻译资料
- 聚对苯二甲酸乙酯的激光烧蚀外文翻译资料
- 封项招标中评分参数之间的数学关系外文翻译资料
- 化学气相沉积制备ZrC-SiC复合涂层及共沉积机理的研究外文翻译资料
- 流体饱和岩石中剪切带的强度:膨胀和流体流动之间竞 争的非线性效应外文翻译资料
- 新兴经济体可持续房地产营销与实践面临的挑战以尼日利亚为例外文翻译资料