基于机器学习的房价估测的研究开题报告
2020-02-18 16:44:49
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.