影响区域房价的客观因素挖掘分析

作者：张智鹏; 郑大庆

来源：计算机应用与软件, 2019, 36(11): 32-85.

• 数据处理
• 机器学习
• 人机交互
• GBDT

当下房价的变化与国民生活息息相关,人们越来越需要对房价进行预测以满足他们购买、投资的需求。随着国家对"炒房团"的限制,购房者和卖房者都需要一个影响房价变化的客观标准供其投资使用。利用机器学习方法中的GBDT算法,引入某一区域内房屋相关的多种异构的客观因素,通过对短时间的区域房价预测来避免人为因素对房价的影响,为房价的估值给予客观上的理由。实验结果表明:通过对周边信息的整合,对某处区域平均房价做预测,其拟合程度达到0.92上下。从实验结果中发现:住户区包含的住宅数量、住户区周边的出租车人流数量、公共设施、学校、购物服务、地铁线路、生活服务是对住户区房价产生明显影响的因素。将实验过程工程化,系统实现实验过程,使用户能够进行交互和体验。

• 单位
  复旦大学; 上海财经大学