基于數(shù)據(jù)挖掘的房?jī)r(jià)預(yù)測(cè)分析

1、    基于數(shù)據(jù)挖掘的房?jī)r(jià)預(yù)測(cè)分析    王智超摘要：房地產(chǎn)的價(jià)格是由眾多因素交互影響而形成的，是房地產(chǎn)所在地區(qū)的自然、經(jīng)濟(jì)、社會(huì)、行政等因素綜合影響的結(jié)果。區(qū)位因素是影響房產(chǎn)價(jià)格的重要因素，該文通過實(shí)例，分析區(qū)位因素與房產(chǎn)價(jià)格的關(guān)系，以期建立房?jī)r(jià)預(yù)測(cè)模型，為購房者提供購房建議。關(guān)鍵詞：數(shù)據(jù)挖掘；預(yù)測(cè)；分類分析1項(xiàng)目實(shí)施過程項(xiàng)目實(shí)施主要包括以下三個(gè)階段：1）用爬蟲知識(shí)從“房天下”網(wǎng)站爬取房源信息。2）利用獲得的房源信息在百度api獲取所有房源周邊學(xué)校，醫(yī)院，車站和超市的數(shù)量。3）對(duì)數(shù)據(jù)進(jìn)行歸一化處理。4）按照手工標(biāo)記的方法，將房子按房?jī)r(jià)分為（0，7000

2、，（7000，12000，（12000，17000，（17000，22000（22000，40000五類。5）創(chuàng)建knn，決策樹，貝葉斯三種分類器，并使用訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練。6）利用測(cè)試集預(yù)測(cè)，計(jì)算模型整體的準(zhǔn)確率和召回率，評(píng)測(cè)模型。2數(shù)據(jù)獲取階段1）獲取初始數(shù)據(jù)，該階段主要有兩個(gè)階段。第一個(gè)階段是房源搜索階段，該階段使用spider從網(wǎng)站房天下獲取在售樓盤的名稱，地址和價(jià)格。第二階段調(diào)取百度地圖api geocoding進(jìn)行經(jīng)緯度轉(zhuǎn)換。geoeoding api已全面支持http/https兩種請(qǐng)求形式。2）歸一化處理，將四維數(shù)據(jù)每一維度的數(shù)值總和視為1，每一維度數(shù)值占四個(gè)維度數(shù)值總數(shù)的比例用來表示該維度數(shù)據(jù)。3分類階段該階段采用knn，貝葉斯，決策樹三種方法構(gòu)建分類器，分類結(jié)果如下：4分析與討論從結(jié)果來看，決策樹表現(xiàn)最佳，精確度有0.69，所以，決策樹是我們應(yīng)該選用的方法。我們認(rèn)為選取的特征（教育質(zhì)量，交通條件，醫(yī)療條件，生活配套）模糊和有限是造成預(yù)測(cè)精確度不高的主要原因。如教育質(zhì)量不能單純用學(xué)校數(shù)量來衡量，學(xué)校質(zhì)量同樣重要；超市數(shù)量不能代表一個(gè)地區(qū)的生活配套質(zhì)量，還應(yīng)包括餐館、公園等因素。除本文選取的四個(gè)房?jī)r(jià)影響因子外，影響房?jī)r(jià)的因素還有很多，如地區(qū)居民收入、地方政策、環(huán)境質(zhì)量和房地產(chǎn)生