[發明專利]一種基于對數線性回歸和隨機森林的房價走勢分析方法

在審

• 申請號: 202010277368.8
• 申請日: 2020-04-10
• 公開（公告）號: CN111523086A
• 公開（公告）日: 2020-08-11
• 發明（設計）人: 石建
• 申請（專利權）人: 南通大學
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06F30/27;G06F16/951;G06Q50/16;G06K9/62
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 許潔

1.一種基于對數線性回歸和隨機森林的房價走勢分析方法，其特征在于：包括以下步驟：步驟1.對影響因素進行分析，具體以下：確定影響房價走勢的因素，所述因素包括小區因素和客戶因素；

步驟2.獲取樓盤房價數據，具體包括以下步驟：步驟(2-1).通過端口對樓盤數據進行爬?。徊襟E(2-2).運用selenium庫與chromedriver模擬網頁登陸；步驟(2-3).引入time庫，對點擊時常進行限制；步驟(2-4).使用了lxml庫和pysql庫將爬取的數據導入excel中，得到data1；步驟(2-5).預設因素變量，具體如下：占地面積area、綠化率green、容積率volume和客戶評論comment；

步驟3.對樓盤數據進行預處理，具體包括以下步驟：步驟(3-1).直接刪去樓盤代碼的冗余字段；步驟(3-2).結合pandas，xlrd和xlutils庫將文本數據進行分割；步驟(3-3).設定閾值alpha,作為去冗余字段的標準值；步驟(3-4).用value_counts計算出每個字段中，各值的數量n；若n大于等于row的80％，則刪除該冗余字段；步驟(3-5).并刪除符合條件的null值和空值；步驟(3-6).利用雙線性內插法來填補剩下的異常值，至此異常值處理完畢，得到數據data2；步驟(3-7).設置隨機種子seed，利用train_test_split隨機抽取80％的data2作為訓練數據train，20％的data2作為測試數據test；步驟(3-8).train進入模型訓練；

步驟4.建立基于隨機森林的模型，具體包括以下步驟：步驟(4-1).確定生成一棵決策樹時用到的特征變量數目m；步驟(4-2).應用bootstrap法有放回隨機抽取k個新的自助樣本集，并由此構建k棵決策樹，每次未被抽到的樣本組成k個袋外數據；步驟(4-3).每個自助樣本集生長為單棵決策樹，每個節點處按照節點不純度最小原則選取特征進行充分生長，不進行剪枝操作；步驟(4-4).調用RandomForestClassifier函數建模并訓練；步驟(4-5).對模型權重參數進行對數線性回歸檢驗；步驟(4-6).若檢驗通過且模型符合正態分布，則認為模型符合條件；步驟(4-7).根據生成的決策樹分類器對預測集進行預測，對每棵樹的預測結果求均值即為最終預測結果；步驟(4-8).繪制房價走勢圖；步驟(4-9).設定區間，預測該區間內房價的走勢；

步驟5.對數線性回歸測試；

步驟6.模型訓練與分析評估。

2.根據權利要求1所述的基于對數線性回歸和隨機森林的房價走勢分析方法，其特征在于：在步驟1中，所述因素還包括物價水平、國內生產總值、國民收入水平、金融政策、稅收政策、土地、城市化率和各類保障性住房的投入使用，所述小區因素包括占地面積、綠化率、容積率和所在商圈，所述客戶因素包括小區在客戶中的口碑狀況。

3.根據權利要求1所述的基于對數線性回歸和隨機森林的房價走勢分析方法，其特征在于：在步驟5中，所述模型測試具體包括以下步驟：步驟(5-1).輸入測試集中的數據進行測試；步驟(5-2).設定預測區間；步驟(5-3).預測某樓盤在設定區間內房價的走勢；步驟(5-4).與真實走勢圖進行對比，求得得分值，若得分值若大于0.6，則認為擬合成功，符合該樓盤房價的走勢。

4.根據權利要求1所述的基于對數線性回歸和隨機森林的房價走勢分析方法，其特征在于：在步驟6中，所述分析具體包括以下步驟：步驟(6-1).根據隨機森林模型中不同變量的因素所對應的權重，找出高權重的因素；步驟(6-2).將高權重的因素總結統計，進行更深層次的分析；步驟(6-3).自動生成分析報告。