[發明專利]房屋價值預測方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201811289877.1
• 申請日: 2018-10-31
• 公開（公告）號: CN109345035A
• 公開（公告）日: 2019-02-15
• 發明（設計）人: 劉卉;楊堅;黎韜;董文飛;韓丹;王婷
• 申請（專利權）人: 平安直通咨詢有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/16
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 王寧

本申請涉及智慧城市技術領域，應用于房地產行業，特別涉及一種房屋價值預測方法、裝置、計算機設備和存儲介質，其一方面基于房價前瞻預測因子體系，準確獲取影響房屋價值的指標以及房屋價值指數，并進行量化和標準化，確保變量和樣本的準確；另一方面，選擇不同的機器學習方法訓練構建房價前瞻預測模型，并選擇平均誤差最小的機器學習方法預測模型對應的房價前瞻預測模型為最優房價前瞻預測模型，實現對房屋價值的準確預測。

技術領域

本申請涉及前瞻預測技術領域，特別是涉及一種房屋價值預測方法、裝置、計算機設備和存儲介質。

背景技術

在實際生活中，房價已經成為人們日常生活的關注重點，房價的變動牽動著各行各業以及普通百姓的心，不論是從事房地產開發、房地產金融以及建筑等行業的專業人員還是普通百姓都希望能夠對未來房價走勢有一個比較準確的前瞻預測。

傳統的房價預測多數是專業的估價師基于近段時間來某個地區基礎房價、房源供需關系、政策以及自身經驗給出房價預測。這種方式，一般會嚴重依賴于估價師的主觀判斷以及經驗，針對同一區域的房價，不同的估價師最終得出房價預測可能不同。

可見傳統的房價預測方法均在極大局限性，其房價預測結果不夠準確。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠準確預測房價的房屋價值預測方法、裝置、計算機設備和存儲介質。

一種房屋價值預測方法，所述方法包括：

獲取根據待預測區域房屋價值歷史數據構建的房價前瞻預測因子體系；

根據房價前瞻預測因子體系，提取影響房屋價值的指標以及房屋價值指數；

對提取的指標和房屋價值指數進行量化和標準化，從量化和標準化后的指標和房屋價值指數中篩選出符合預設規則的變量和樣本；

提取篩選出的變量和樣本第一部分數據為訓練數據，以待預測區域房屋價值指數為預測目標，分別通過多個預設機器學習方法預測模型訓練，構建不同的房價前瞻預測模型；

選取篩選出的變量和樣本中第二部分數據為測試數據，對所述不同的房價前瞻預測模型進行測試，選擇平均誤差最小的機器學習方法預測模型對應的房價前瞻預測模型為最優房價前瞻預測模型。

在其中一個實施例中，所述提取篩選出的變量和樣本第一部分數據為訓練數據，以待預測區域房屋價值指數為預測目標，分別通過多個預設機器學習方法預測模型訓練，構建不同的房價前瞻預測模型包括：

對提取篩選出的變量和樣本中所有指標進行分組配置，根據分組情況，從篩選出的變量和樣本中獲取每個分組對應的入模指標的訓練數據；

通過每個分組對應的入模指標的訓練數據，對多個預設機器學習方法進行訓練，構建不同的房價前瞻模型；

所述選取篩選出的變量和樣本中第二部分數據為測試數據，對所述不同的房價前瞻預測模型進行測試，選擇平均誤差最小的機器學習方法預測模型對應的房價前瞻預測模型為最優房價前瞻預測模型包括：

根據所述分組情況，從篩選出的變量和樣本中獲取每個分組對應的入模指標的測試數據；

通過每個分組對應的入模指標的測試數據，對各機器學習方法對應的房價前瞻模型的準確性進行測試；

計算各房價前瞻模型對應的測試結果的平均誤差，選取平均誤差最小的算法對應的房價前瞻預測模型作為最優房價前瞻模型。

在其中一個實施例中，所述獲取根據待預測區域房屋價值歷史數據構建的房價前瞻預測因子體系之前，還包括：

獲取各區域房屋價值歷史數據；

從所述各區域房屋價值歷史數據中提取影響房屋價值的指標以及房屋價值指數；