[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: 201811290390.5
• 申請日: 2018-10-31
• 公開（公告）號: CN109492806A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 劉卉;楊堅;董文飛;韓丹;王婷;黎韜
• 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

1.一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數據以及房屋價值數據；

對所述房屋價值初始指標數據進行缺失填補處理，得到缺失填補處理后的房屋價值初始指標數據；

根據預設變頻規則對所述缺失填補處理后的房屋價值初始指標數據進行變頻處理，得到變頻處理后的數據；

根據所述變頻處理后的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。

2.根據權利要求1所述的方法，其特征在于，所述根據預設變頻規則對所述缺失填補處理后的房屋價值初始指標數據進行變頻處理，得到變頻處理后的數據，包括：

獲取所述缺失填補處理后的房屋價值初始指標數據中的季度指標數據以及年度指標數據；

通過線性插值的方法將所述季度指標數據以及所述年度指標數據分別轉化為月度數據。

3.根據權利要求1所述的方法，其特征在于，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。

4.根據權利要求3所述的方法，其特征在于，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。

5.根據權利要求1所述的方法，其特征在于，所述對所述房屋價值初始指標數據進行缺失填補處理，得到缺失填補處理后的房屋價值初始指標數據之前還包括：

獲取房屋價值初始指標數據中各指標子數據的缺失率；

所述對所述房屋價值初始指標數據進行缺失填補處理，得到缺失填補處理后的房屋價值初始指標數據，包括：

當指標子數據的缺失率小于或等于預設值時，對所述指標子數據進行填補處理，得到缺失填補處理后的房屋價值初始指標數據。

6.根據權利要求5所述的方法，其特征在于，所述當指標子數據的缺失率小于或等于預設值時，對所述指標子數據進行填補處理，包括：

當指標子數據的缺失率小于或等于30％且所述指標子數據為月度周期性缺失時，判斷所述指標子數據是否為當月發生值；

當所述指標子數據為當月發生值時，以所述指標子數據中首月數據對所述指標子數據中數據缺失月份進行填補處理。

7.根據權利要求5所述的方法，其特征在于，所述獲取房屋價值初始指標數據中各指標子數據的缺失率之后還包括：

當指標子數據的缺失率大于預設值時，剔除所述指標子數據。