-
题名基于XGBoost的深圳二手房价格预测
被引量:2
- 1
-
-
作者
胡晓伟
马春梅
孔祥山
李凤银
-
机构
曲阜师范大学计算机学院
-
出处
《曲阜师范大学学报(自然科学版)》
CAS
2022年第1期57-65,共9页
-
基金
国家自然科学基金(62072273)
山东省重大基础研究(ZR201906140028)。
-
文摘
为了更加精准地预测二手房价格,该文以2019年深圳市二手房的真实交易数据为研究对象,利用线性回归模型、随机森林模型和XGBoost模型并加以POI计算来预测二手房价格.首先,对数据集进行清洗并可视化展示.其次,运用百度地图进行POI处理扩充数据集,使得数据集接近现实情况.接着,按照数据特征对房价影响的重要程度进行了排序,选取重要的特征来训练模型.最后,通过数值结果分析,XGBoost模型对二手房的房价评估效果最好,尤其是经过POI处理的数据集和XGBoost模型的这种组合,对于深圳市的二手房价格具有极好的预测效果.
-
关键词
XGBoost
机器学习
POI
二手房价格预测
-
Keywords
XGBoost
machine learning
POI
second-hand house price forecast
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名城市二手房个户交易价格的预测
- 2
-
-
作者
张学新
吴凯泽
-
机构
湖北工程学院数学与统计学院
武汉市外国语学校
-
出处
《经济数学》
2019年第3期71-78,共8页
-
文摘
基于武汉市二手房中介发布的数据,用一种新线性模型测度了二手房个体交易价格及首付额的主要影响因素.依据二手房价的分布,按二手房所在行政区域分段建立了价格预测模型,同时给出了二手房交易价格等级的推理规则.统计学检验表明,首付额预测模型性能优良,可用于实际二手房个户交易价格的预测.
-
关键词
价格学
二手房价格预测
新线性模型
因素重要度
推理规则
-
Keywords
Price science
Prediction of second-hand housingprice
A new linear model
Factor importance
Inference rule
-
分类号
F293.3
[经济管理—国民经济]
-