基于机器学习的房价预测研究.pdfVIP

Finance金融,2024,14(4),1552-1562

PublishedOnlineJuly2024inHans./journal/fin

/10.12677/fin.2024.144160

基于机器学习的房价预测研究

王玉洁

曲阜师范大学统计与数据科学学院，山东曲阜

收稿日期：2024年6月17日；录用日期：2024年6月27日；发布日期：2024年7月26日

摘要

房地产行业是我国国民经济的重要组成部分，关乎国计民生，而房价的走势直接影响到社会的金融稳定

和整体宏观社会的长期发展，因此对房价进行预测研究对个人消费者、房地产开发商以及国家宏观调控

部门都至关重要。本文基于Kaggle在线平台上2020年5月至2021年5月美国KingCounty的房屋销售价

格以及房屋的基本信息数据，分别利用支持向量机和XGBoost模型对房屋价格进行预测，采用平均绝对

误差、均方根误差和拟合优度作为评价标准将各个预测模型对房价的预测效果进行评价与比较，得出结

论：XGBoost模型拟合和预测的效果最好。整体而言，本研究为房价预测提供了科学的模型和方法，为

房屋出售者和房屋购买者提供科学的参考依据。

关键词

房价预测，支持向量机，XGBoost

HousePricePredictionBasedonMachine

Learning

YujieWang

SchoolofStatisticsandDataScience,QufuNormalUniversity,QufuShandong

ththth

Received:Jun.17,2024;accepted:Jun.27,2024;published:Jul.26,2024

Abstract

TherealestateindustryisanimportantcomponentofChina’snationaleconomy,affectinglivelih-

oodsandnationaleconomicplanning.Trendsinhousingpricesdirectlyimpactfinancialstability

andoverallmacroeconomicdevelopment.Therefore,researchingandpredictinghousingprices

arecrucialforindividualconsumers,realestatedevelopers,andnationalmacroeconomicregula-

tors.ThisstudyisbasedonhousingsalesdataandbasicpropertyinformationfromKingCounty,

USA,collectedfromMay2020toMay2021viatheKaggleplatform.SupportVectorMachine(SVM)

文章引用:王玉洁.基于机器学习的房价预测研究[J].金融,2024,14(4):1552-1562.

DOI:10.12677/fin.2024.144160

王玉洁

andXGBoostmodelswereemployedtopredicthousingprices.EvaluationcriteriaincludingMean

AbsoluteError,RootMeanSquareError,andcoefficien