基于数据挖掘方法的HEDONIC房屋价格评估模型——以美国城市西雅图为例

摘要：

[目的]依据HEDONIC理论,利用不同类型特征构建商品房价格评估模型,为房屋价格评估工作提供一个效率更高、成本更低、准确性更高的解决方案.[方法]利用空间分析方法,对预处理后的数据构造并选取重要特征,基于随机森林、神经网络以及KNN建立融合模型.[结果]分析西雅图2014年至2015年商品房价格评估结果可以得出:该模型明显优于线性HEDONIC模型,准确度提升11.20％,较为可靠.[局限]选取样本数据时,时间截面并不完全一致,导致模型存在潜在缺陷;由于市场环境不同等多种因素,将该模型运用于中国房屋价格的评估可能会存在偏差.[结论]本文提出的融合模型是一种较为可靠的房屋价格评估模型.

关键词：房价评估、HEDONIC模型、随机森林、神经网络、KNN

所属期刊栏目：3

分类号：K902(地理学)

在线出版日期：2019-08-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：19-26