基于XGBoost算法的二手房价格批量评估研究.pdfVIP

中文摘要

随着我国房地产市场供求关系发生重大变化，影响房地产价格的因素日趋复

杂，传统评估方法中普遍使用的线性回归模型和特征价格模型已无法准确捕捉房

地产价格及其影响因素之间复杂的多维非线性关系。机器学习作为人工智能的核

心，它能通过训练获得知识和经验，灵活应对实际问题，展现出强大的自适应性

和学习能力，特别适合处理非线性的动态问题。本研究将机器学习XGBoost

eXtremeGradientBoosting

（）算法应用于二手房价格批量评估，构建训练速度快、

泛化能力强且预测精确度高的房地产批量评估模型，为政府适时调整和优化房地

产政策和普通购房者理性购房提供科学依据。主要研究内容和结论如下：

利用Python网页爬虫技术，从主流房地产交易网站获取重庆、上海两市海

量的二手房交易数据，在此基础上分析二手房价格影响因素并筛选出主要特征变

量，并对交易数据进行清洗和量化。

利用XGBoost算法对重庆、上海两市的二手房价格进行批量评估，通过与

线性回归算法和随机森林算法对比，分析XGBoost算法的训练速度、泛化能力

和预测效果。结果表明：XGBoost算法具有快速的训练速度和强大的泛化能力，

默认参数下的XGBoost预测效果明显优于线性回归算法和随机森林算法。

为进一步提升XGBoost模型的预测精度，在对模型关键参数进行分析的基

础上，提出网格有哪些信誉好的足球投注网站和交叉验证相结合的XGBoost参数调优方法，从而降低传

统调参方法带来的偶然性因素影响并节约大量时间。结果表明：改进的XGBoost

模型相比未改进时可消除大部分回归误差点，利用改进的XGBoost模型可构建

训练速度快、泛化能力强且预测精确度高的房地产批量评估模型。

关键词：二手房；批量评估；XGBoost；算法对比；参数调优

Abstract

Withthesignificantchangeinthesupplyanddemandrelationshipofrealestate

marketinChina,thefactorswhichcanaffecttherealestatepricearebecomingmore

andmoreintricate.Thelinearregressionmodelandcharacteristicpricemodel

commonlyusedinthetraditionalevaluationmethodscannolongeraccuratelyexpress

thecomplexmulti-dimensionalandnonlinearrelationshipbetweentherealestate

priceanditsinfluencingfactors.Asthecoreofartificialintelligence,machine

learningcanacquireknowledgeandexperiencethroughtraining,flexiblyrespondto

practicalproblems,andshowstrongadaptabilityandlearningability,especially

suitablefordealingwithnonlineardynamicissues.Tobuildanewcomputeraided

massassessment(CAMA)modelwithfasttrainingspeed,stronggeneralization

abilityandhighpredictionaccuracy,theXGBoost(eXtremeGradientBoosting)

algorithmwasappliedtoimplementtheCAMAforsecond-handhousepriceinthis

study,whichcanprovidescientificbasisfortimelyadjustmentandoptimizationof

realest