基于机器学习的房价估测的研究文献综述
2020-04-14 05:04
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。
1.2 国内外研究现状
在房价评估方面,国外的许多新技术和新方法率先得到了应用,如神经网络、随机森林以及支持向量机等。
基于夏威夷的克莱斯特彻奇市200个交易数据,Limsombunchai和Gan等人比较了人工神经网络模型和Hedonic模型这两个模型,发现人工神经网络模型的预测结果要优于Hedonic模型。
K.C. Lama、 C.Y. Yua、 C.K. Lama使用支持向量机的方法进行房价预测以提高房价评估的准确性:首先总结出影响房价的变量,然后根据其中的重要变量,使用支持向量机的方法来进行房价预测,同时加入多元回归和人工神经网络方法来验证方法的准确性。他们发现基于支持向量机的房价预测模型要优于后两者。
目前,国内研究的房价预测方法有灰色理论、时间序列、回归模型、神经网络等,各自具有其不同的特点,也都拥有不同的优缺点。
李东月分别用灰色-马尔可夫预测模型和n次多项式模型来预测房价,发现五次多项式模型在房价预测准确度上比灰色-马尔可夫预测模型要高。
武秀丽、张锋利用时间序列分析法,根据广州市几个有代表性的行政区的房价数据为分析对象来建立预测模型,结果预测值与实际观测值基本吻合。
最新文档
- 基于深度学习卷积神经网络的智能垃圾分类系统外文翻译资料
- 有可接受的玻璃化转变温度、可加工性和阻燃性的厚朴酚基生物环氧树脂外文翻译资料
- 弱氢键使水凝胶坚硬、坚固、坚韧、富有弹性外文翻译资料
- 将高度膨胀的聚电解质水凝胶可逆地转变为极其坚硬的水凝胶 并将其应用为管状抓握器外文翻译资料
- 基于STM32的大学课堂考勤系统外文翻译资料
- Pt1/FeOx Pt1/FeOx单原子共氧化催化外文翻译资料
- 一种基于水凝胶电解质的多功能柔性可穿戴超级电容器外文翻译资料
- 无异箐酸酯途径由聚甘油五元环聚碳酸酯合成聚氨酯外文翻译资料
- 用于柔性和耐用超级电容器的机械增强自愈聚电解质外文翻译资料
- 将经验反馈集成到产品生命周期中: 一种对投标过程做出最佳响应的方法外文翻译资料
- 直接与互动营销策略与整合营销传播外文翻译资料
- 客户关系管理实施的影响关于服务运营管理外文翻译资料
- MXene TiC:一种有效的2D光热转换材料外文翻译资料
- 仙人掌果肉中的倍他青色素外文翻译资料
- 中国体育用品企业网络M营销定价策略研究外文翻译资料