摘要
随着科技的迅猛发展,在生活中,每天都会产生大量的数据。数据挖掘是实现对大量数据进行分析和获取相关知识的研究过程,目的在于能够使人们在其中获取到需要的、具有潜在价值的规律。住房是民生之本,在房屋价格的不断提升的这些年中,不少购房者将视线转移到二手的普通住房,这也拉动了二手房的价格不断攀升。如果只是通过观察或者归纳总结的途径来对影响房源价格提升的因素进行综合分析,那么这意味着,将是一项工作量非常巨大的并且难以实现的任务。文章研究了通过机器学习工具WEKA,对赶集网获取的昆明市二手房数据,使用SimpleKmeans聚类算法,使得具有属性:房屋售价、房屋规格、房屋朝向、房屋楼层、房屋类型、建筑时间、产权、房屋性质、装修情况、地段的2400余条实例各属性分别分6个簇聚类在一起,同一类间的属性相似度较高。
出处
《中国集体经济》
2017年第33期59-61,共3页
China Collective Economy