[發(fā)明專利]房?jī)r(jià)預(yù)測(cè)方法及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010018098.9
• 申請(qǐng)日: 2020-01-08
• 公開（公告）號(hào): CN111199322A
• 公開（公告）日: 2020-05-26
• 發(fā)明（設(shè)計(jì)）人: 段煉;覃子涵
• 申請(qǐng)（專利權(quán)）人: 廣西鑫朗通信技術(shù)有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/16;G06K9/62
• 代理公司: 深圳市科吉華烽知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 44248
• 代理人: 胡吉科

本發(fā)明公開一種房?jī)r(jià)預(yù)測(cè)方法及存儲(chǔ)介質(zhì)，通過(guò)獲取房屋相關(guān)數(shù)據(jù)，所述房屋相關(guān)數(shù)據(jù)至少包括：房屋屬性數(shù)據(jù)、原始房?jī)r(jià)數(shù)據(jù)、空間環(huán)境數(shù)據(jù)；對(duì)所述房屋相關(guān)數(shù)據(jù)進(jìn)行特征提取與過(guò)濾，得到有效的房屋建成環(huán)境特征信息；基于所述特征信息，采用Stacking技術(shù)融合多種分類模型，構(gòu)建Stacking房?jī)r(jià)預(yù)測(cè)模型。本發(fā)明引入了地理社會(huì)環(huán)境信息刻畫房?jī)r(jià)誘因，利用Stacking集成學(xué)習(xí)技術(shù)構(gòu)建房?jī)r(jià)預(yù)測(cè)模型，有力提升了房?jī)r(jià)的預(yù)測(cè)精度。

技術(shù)領(lǐng)域

本發(fā)明涉及房?jī)r(jià)預(yù)測(cè)技術(shù)領(lǐng)域，尤其涉及一種房?jī)r(jià)預(yù)測(cè)方法及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

房?jī)r(jià)作為多指標(biāo)影響因子，受到很多條件的影響，現(xiàn)有的房?jī)r(jià)預(yù)測(cè)模型多屬于單一算法預(yù)測(cè)，預(yù)測(cè)精度并不理想，如人工神經(jīng)網(wǎng)絡(luò)，當(dāng)數(shù)據(jù)量不夠龐大時(shí)預(yù)測(cè)效果得不到保證，而簡(jiǎn)單的集成模型如隨機(jī)森林，當(dāng)噪音較大時(shí)會(huì)出現(xiàn)過(guò)擬合現(xiàn)象。事實(shí)上，大量的與房屋相關(guān)的屬性數(shù)據(jù)，比如房屋面積、房間數(shù)量和建筑年份以及房屋周圍的環(huán)境信息已經(jīng)積累起來(lái)。如果對(duì)這些數(shù)據(jù)進(jìn)行適當(dāng)?shù)姆治?，這些數(shù)據(jù)可能是尋找具有高投資價(jià)值的房地產(chǎn)的豐富情報(bào)來(lái)源。而現(xiàn)有的房?jī)r(jià)預(yù)測(cè)模型無(wú)法綜合考慮上述因素，因此，房?jī)r(jià)預(yù)測(cè)數(shù)據(jù)不夠準(zhǔn)確。

發(fā)明內(nèi)容

本發(fā)明提出了一種房?jī)r(jià)預(yù)測(cè)方法及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，以提升房?jī)r(jià)預(yù)測(cè)模型的預(yù)測(cè)精度，提升房?jī)r(jià)預(yù)測(cè)數(shù)據(jù)的準(zhǔn)確性。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種房?jī)r(jià)預(yù)測(cè)方法，包括以下步驟：

獲取房屋相關(guān)數(shù)據(jù)，所述房屋相關(guān)數(shù)據(jù)至少包括：房屋屬性數(shù)據(jù)、原始房?jī)r(jià)數(shù)據(jù)、空間環(huán)境數(shù)據(jù)；

對(duì)所述房屋相關(guān)數(shù)據(jù)進(jìn)行特征提取，得到有效的房屋建成環(huán)境特征信息；

基于所述特征信息，采用Stacking技術(shù)融合多種分類模型，構(gòu)建Stacking房?jī)r(jià)預(yù)測(cè)模型。

其中，所述對(duì)所述房屋相關(guān)數(shù)據(jù)進(jìn)行特征提取，得到有效的房屋建成環(huán)境特征信息的步驟之前還包括：

對(duì)所述房屋相關(guān)數(shù)據(jù)進(jìn)行預(yù)處理。

其中，所述對(duì)所述房屋相關(guān)數(shù)據(jù)進(jìn)行特征提取，得到有效的房屋建成環(huán)境特征信息的步驟之后還包括：

對(duì)所述有效的房屋建成環(huán)境特征信息進(jìn)行清洗、過(guò)濾。

其中，所述對(duì)所述有效的房屋建成環(huán)境特征信息進(jìn)行清洗、過(guò)濾的步驟包括：

對(duì)于所述有效的房屋建成環(huán)境特征信息中非數(shù)值數(shù)據(jù)進(jìn)行數(shù)值化處理，舍棄特征缺失量達(dá)到預(yù)設(shè)條件的數(shù)據(jù)，剔除特征數(shù)據(jù)中的重復(fù)值、異常值和極端值；

通過(guò)皮爾森相關(guān)系數(shù)過(guò)濾掉所述有效的房屋建成環(huán)境特征信息中相關(guān)性滿足預(yù)設(shè)強(qiáng)度條件的特征。

其中，所述對(duì)所述有效的房屋建成環(huán)境特征信息進(jìn)行清洗、過(guò)濾的步驟中還包括：

綜合多種分類模型對(duì)所述有效的房屋建成環(huán)境特征信息進(jìn)行特征重要性分析，基于分析結(jié)果得到的特征重要度，從所述有效的房屋建成環(huán)境特征信息中剔除掉與房?jī)r(jià)關(guān)系達(dá)不到預(yù)設(shè)關(guān)聯(lián)條件的特征。

其中，所述綜合多種分類模型對(duì)所述有效的房屋建成環(huán)境特征信息進(jìn)行特征重要性分析，基于分析結(jié)果得到的特征重要度，從所述有效的房屋建成環(huán)境特征信息中剔除掉與房?jī)r(jià)關(guān)系達(dá)不到預(yù)設(shè)關(guān)聯(lián)條件的特征的步驟包括：

利用多種分類模型分別計(jì)算所述有效的房屋建成環(huán)境特征信息中各特征的特征重要度，得到不同分類模型的多個(gè)特征重要度，其中，特征重要度與房?jī)r(jià)關(guān)系關(guān)聯(lián)；

對(duì)所述不同分類模型的多個(gè)特征重要度取平均值，得到各特征的最終特征重要度；

基于各特征的最終特征重要度，按照特征重要性篩選出特征重要性較高的特征，將特征重要性較低的特征舍棄。