基于支持向量回歸的二手房批量評(píng)估模型應(yīng)用研究.pdf

1、隨著房地產(chǎn)投資和交易活動(dòng)的日益頻繁，房地產(chǎn)評(píng)估在房屋征收、房屋租賃、房屋拆遷、房地產(chǎn)抵押、房地產(chǎn)稅收、房地產(chǎn)資產(chǎn)核定等活動(dòng)中發(fā)揮著越來(lái)越重要的作用。房地產(chǎn)評(píng)估根據(jù)評(píng)估對(duì)象的數(shù)量可分為單宗評(píng)估和批量評(píng)估。單宗評(píng)估是指對(duì)單獨(dú)一宗房地產(chǎn)的評(píng)估，而批量評(píng)估是指同時(shí)對(duì)一系列房地產(chǎn)的評(píng)估。目前，我國(guó)房地產(chǎn)評(píng)估主要采用市場(chǎng)比較法、收益法和成本法對(duì)房地產(chǎn)進(jìn)行單宗評(píng)估，但單宗評(píng)估的評(píng)估過(guò)程缺乏合理的統(tǒng)一標(biāo)準(zhǔn)，評(píng)估結(jié)果有很強(qiáng)的主觀性；而引入GIS（地理信息

2、系統(tǒng)）、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隨機(jī)森林等技術(shù)與方法的批量評(píng)估方法能改進(jìn)傳統(tǒng)的單宗評(píng)估方法。
　　我國(guó)批量評(píng)估的研究和應(yīng)用大部分采用的是傳統(tǒng)的多元線性回歸方法，雖然不斷有學(xué)者采用機(jī)器學(xué)習(xí)的方法改進(jìn)評(píng)估模型，但大多停留在對(duì)人工神經(jīng)網(wǎng)絡(luò)的研究上，采用新的機(jī)器學(xué)習(xí)方法（如：隨機(jī)森林、支持向量機(jī)等）的相關(guān)研究仍然相對(duì)欠缺，使得國(guó)內(nèi)房地產(chǎn)評(píng)估的研究處于相對(duì)落后的水平。
　　論文引入WebGIS和支持向量機(jī)的機(jī)器學(xué)習(xí)方法改進(jìn)評(píng)估模型，力求

3、提高評(píng)估數(shù)據(jù)的獲取效率、降低評(píng)估過(guò)程的主觀因素的干擾，從而增加評(píng)估的客觀性、透明度和準(zhǔn)確性。通過(guò)對(duì)已往房地產(chǎn)評(píng)估的文獻(xiàn)進(jìn)行研究，總結(jié)影響房地產(chǎn)價(jià)格的特征變量和特征變量量化的方法，選取大量能使用客觀數(shù)據(jù)進(jìn)行量化的特征變量用于構(gòu)建模型，使模型相對(duì)客觀準(zhǔn)確，運(yùn)用網(wǎng)絡(luò)爬蟲(chóng)的方法抓取安居客和搜房網(wǎng)的二手房數(shù)據(jù)，通過(guò)百度地圖JavaScript API編寫程序?qū)崿F(xiàn)批量地址解析、批量周邊查詢、批量距離查詢?nèi)N功能，高效便捷地獲取GIS數(shù)據(jù)，最終以重慶