[發(fā)明專利]房價預測模型的生成方法、裝置、設備及存儲介質

在審

• 申請?zhí)枺?/td>: 201910190985.1
• 申請日: 2019-03-13
• 公開（公告）號: CN110033312A
• 公開（公告）日: 2019-07-19
• 發(fā)明（設計）人: 鄭來良
• 申請（專利權）人: 平安城市建設科技（深圳）有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/16;G06N20/00
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國

本發(fā)明公開了一種基于大數據處理的房價預測模型的生成方法、裝置、設備及存儲介質，所述方法包括：獲取待建立房價預測模型的參數信息，其中，所述參數信息包括宏觀經濟指標信息、中觀經濟指標信息以及風俗文化信息；根據所述參數信息建立多個原始房價預測模型；通過預設機器學習算法對所述房價預測模型進行訓練，得到各個模型對應的預測結果；將所述預測結果進行對比，根據對比結果按照預設規(guī)則從所述原始房價預測模型中選擇出目標房價預測模型，將宏觀經濟指標信息、中觀經濟指標信息以及風俗文化信息作為模型的建立指標，擺脫傳統(tǒng)的根據區(qū)域建立的房產預測模型，并打通數據壁壘，更多方位的實現房價預測，從而提高房價預測的準確性。

技術領域

本發(fā)明涉及數據處理領域，尤其涉及一種房價預測模型的生成方法、裝置、設備及存儲介質。

背景技術

目前，業(yè)內對房地產的模型研究以當前價格為重點，沒有預測成交均價的前瞻預測模型，無法解決需求端對未來成交均價的風險管理，資產配置等需求，但是由于房地產受到宏觀調控影響較大，許多定性的指標在市面上的模型中常常被忽略，無法全面的在模型中體現出來，導致模型計算出的預測結果會有偏頗。

發(fā)明內容

本發(fā)明的主要目的在于提出一種房價預測模型的生成方法、裝置、設備及存儲介質，旨在提高房價預測模型的準確性。

為實現上述目的，本發(fā)明提供一種房價預測模型的生成方法，所述房價預測模型的生成方法包括以下步驟：

獲取待建立房價預測模型的參數信息，其中，所述參數信息包括宏觀經濟指標信息、中觀經濟指標信息以及風俗文化信息；

根據所述宏觀經濟指標信息、中觀經濟指標信息以及風俗文化信息建立多個原始房價預測模型；

通過預設機器學習算法對所述多個原始房價預測模型進行訓練，得到各個原始房價預測模型對應的預測結果；

將所述預測結果進行對比，根據對比結果按照預設規(guī)則從所述原始房價預測模型中選擇出目標房價預測模型。

優(yōu)選地，所述獲取待建立房價預測模型的參數信息，包括：

獲取外部數據接口信息，通過所述外部數據接口信息連接預設數據庫，從預設數據庫查詢當前的宏觀經濟指標信息、中觀經濟指標信息以及風俗文化信息；

將所述當前的宏觀經濟指標信息、中觀經濟指標信息以及風俗文化信息作為所述待建立房價預測模型的參數信息。

優(yōu)選地，所述根據所述宏觀經濟指標信息、中觀經濟指標信息以及風俗文化信息建立多個原始房價預測模型之前，所述方法還包括：

獲取所述參數信息中的各個歷史指標信息，在預設時間段內統(tǒng)計所述歷史指標信息的指標趨勢；

提取所述指標趨勢中的預設指標信息，將所述預設指標信息補入所述歷史指標信息中，生成更新后的指標信息，將更新后的指標信息作為所述參數信息。

優(yōu)選地，所述預設機器學習算法包括線性回歸算法、Lasso回歸算法、Ridge回歸算法、隨機森林算法、支持向量機以及迭代決策樹中至少一項。

優(yōu)選地，所述將所述預測結果進行對比，根據對比結果按照預設規(guī)則從所述原始房價預測模型中選擇出目標房價預測模型，包括：

獲得所述原始房價預測模型的預測值和實際值，將預測值和實際值通過均方根誤差進行對比，得到各個模型對應的均方根誤差值；

將所述均方根誤差值進行排序，選取預設均方根誤差值對應的模型為所述目標房價預測模型。

優(yōu)選地，所述將所述預測結果進行對比，根據對比結果按照預設規(guī)則從所述原始房價預測模型中選擇出目標房價預測模型之后，所述方法還包括：