[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: 201811289904.5
• 申請日: 2018-10-31
• 公開（公告）號: CN109214603A
• 公開（公告）日: 2019-01-15
• 發明（設計）人: 李國才;葉素蘭;劉卉;楊堅;董文飛;韓丹
• 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;G06Q30/02;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

本申請涉及人工智能預測之機器學習技術領域，應用于房地產行業，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。一個實施例中的方法包括：獲取房屋價值初始指標、房屋價值初始指標數據以及房屋價值數據，對房屋價值初始指標進行衍生，得到房屋價值衍生指標以及房屋價值衍生指標數據，根據房屋價值初始指標、房屋價值初始指標數據、房屋價值衍生指標、房屋價值衍生指標數據以及房屋價值數據，得到樣本數據集，根據樣本數據集分別對不同預測時長對應的預設房屋價值預測模型集合進行訓練，得到不同預測時長對應的房屋價值預測模型，獲取待預測房屋價值時長，通過匹配的預測時長對應的房屋價值預測模型進行房屋價值預測。

技術領域

本申請涉及人工智能預測技術領域，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

房屋價值與人們的生活息息相關，房屋價值問題作為影響國計民生的重要問題之一，涉及很多方面，比如政府部門、房地產開放商、購房消費者等。政府部門在制定房地產市場相關政策時，可以參考不同地區的房屋價值走勢預測，制定針對性強收效高的措施；房地產開發商可以參考房屋價值走勢預測，制定出有利于市場穩定可持續性發展的計劃。因此，房屋價值的走勢預測具有實際重要意義。

傳統的房屋價值走勢評估依靠評估人員的知識和經驗，房屋價值評估工作一方面可參考的歷史房屋價值相關數據有限，另一方面基于千篇一律的策略對房屋價值進行預測，靈活性低。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠改善數據短缺以及提高靈活性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：

獲取房屋價值初始指標、房屋價值初始指標數據以及房屋價值數據；

對所述房屋價值初始指標進行衍生，得到房屋價值衍生指標，并根據所述房屋價值衍生指標以及所述房屋價值初始指標數據，得到房屋價值衍生指標數據；

根據所述房屋價值初始指標、所述房屋價值初始指標數據、所述房屋價值衍生指標、所述房屋價值衍生指標數據以及所述房屋價值數據，得到樣本數據集；

根據所述樣本數據集分別對不同預測時長對應的預設房屋價值預測模型集合進行訓練，得到不同預測時長對應的房屋價值預測模型，其中，單個預測時長對應的預設房屋價值預測模型集合包括多個預設房屋價值預測模型；

獲取待預測房屋價值時長，將所述待預測房屋價值時長與所述房屋價值預測模型對應的預測時長進行匹配，通過匹配的預測時長對應的房屋價值預測模型進行房屋價值預測。

在一個實施例中，所述根據所述樣本數據集分別對不同預測時長對應的預設房屋價值預測模型集合進行訓練，得到不同預測時長對應的房屋價值預測模型，包括：

根據所述樣本數據集分別對不同預測時長對應的預設房屋價值預測模型集合進行訓練，獲取各預測時長對應的預設房屋價值預測模型集合中房屋價值預測模型的誤差；

分別選取各預設房屋價值預測模型集合中誤差最小的房屋價值預測模型作為不同預測時長對應的房屋價值預測模型。

在一個實施例中，所述根據所述樣本數據集分別對不同預測時長對應的預設房屋價值預測模型集合進行訓練，獲取各預測時長對應的預設房屋價值預測模型集合中房屋價值預測模型的誤差，包括：

對所述樣本數據集的數據進行分組，分成訓練數據集和測試數據集；

對所述訓練數據集的分組數據通過預設房屋價值預測模型集合進行訓練，得到已訓練的房屋價值預測模型集合；

將測試數據集中的分組數據分別輸入至已訓練的房屋價值預測模型集合中的各房屋價值預測模型，得到所述各房屋價值預測模型的誤差。