基于PSO-LSTM的区域二手房价预测方法研究

1

作者 周昌堉 李长云 《现代信息科技》 2024年第5期102-105,110,共5页

探究房价趋势是一个高度复杂且充满非线性特征的研究难题。针对目前二手房价预测精度低的问题,文章提出了基于PSO-LSTM的区域二手房价预测方法。粒子群算法通过对LSTM模型进行优化,找到最优的参数组带入PSO-LSTM模型中,进而得到更符合... 探究房价趋势是一个高度复杂且充满非线性特征的研究难题。针对目前二手房价预测精度低的问题,文章提出了基于PSO-LSTM的区域二手房价预测方法。粒子群算法通过对LSTM模型进行优化,找到最优的参数组带入PSO-LSTM模型中,进而得到更符合实际情况的预测结果。文章通过湖南省株洲市天元区的二手房价时间序列数据集对PSO-LSTM模型进行训练,并与LSTM神经网络模型进行了对照分析。实验结果显示,PSO-LSTM模型对于区域二手房价的预测精度更优。 展开更多

关键词 区域二手房价预测 时间序列 PSO-LSTM模型 LSTM

在线阅读 下载PDF 职称材料

基于多元线性回归与随机森林算法的房价预测模型对比研究

2

作者 秦艳姣 《现代信息科技》 2024年第22期127-131,共5页

为分析房价影响因素,选择更优的机器学习模型预测房价走势,使用两种机器学习算法构建了两种预测模型并对比预测效果。通过对公开数据集进行特征分析、预处理以及数据集划分,构建了多元线性回归预测模型和随机森林预测模型。采用平均绝... 为分析房价影响因素,选择更优的机器学习模型预测房价走势,使用两种机器学习算法构建了两种预测模型并对比预测效果。通过对公开数据集进行特征分析、预处理以及数据集划分,构建了多元线性回归预测模型和随机森林预测模型。采用平均绝对误差(MAE)、均方根误差(RMSE)以及决定系数(R2)作为最终评估模型的指标,结果显示随机森林模型的平均绝对误差、均方根误差较小,决定系数较大。评估得出随机森林模型预测准确性较多元线性回归模型更优。 展开更多

关键词 多元线性回归 随机森林 房价预测

在线阅读 下载PDF 职称材料

基于BP神经网络对房价预测的研究 被引量：7

3

作者 高文 李富星 牛永洁 《延安大学学报（自然科学版）》 2018年第3期37-40,共4页

搜集西安市1997年~2016年20年七个对房价影响的数据,首先对数据进行预处理,包括数据集成、空白值填写、数据标准化,然后,使用PCA方法对数据进行降维处理,在干净数据的基础上,采用对数函数logsig为激励函数,学习率为0. 3,建立BP神经网络... 搜集西安市1997年~2016年20年七个对房价影响的数据,首先对数据进行预处理,包括数据集成、空白值填写、数据标准化,然后,使用PCA方法对数据进行降维处理,在干净数据的基础上,采用对数函数logsig为激励函数,学习率为0. 3,建立BP神经网络的房价预测模型,选择80%的数据作为训练数据,20%的数据作为测试数据。通过MATLAB对数据进行仿真实验,其实验结果表明用该模型仿真的结果其正确率较高,最高达到94. 14%,效果较好,具有一定的实用价值。 展开更多

关键词 BP神经网络 房价预测 正确率 降维

在线阅读 下载PDF 职称材料

基于XGBoost算法的房价预测模型 被引量：3

4

作者 王冬雪 郭秀娟 《北方建筑》 2021年第3期79-82,共4页

随着人工智能技术的快速发展,机器学习被广泛应用于各行各业,并在多个领域都取得了较好的成果。房价是一个影响因素复杂的热点问题,难以对其做出全面准确的预测。因此,本文尝试在一个相对稳定条件下将相关的机器学习算法应用于房价预测... 随着人工智能技术的快速发展,机器学习被广泛应用于各行各业,并在多个领域都取得了较好的成果。房价是一个影响因素复杂的热点问题,难以对其做出全面准确的预测。因此,本文尝试在一个相对稳定条件下将相关的机器学习算法应用于房价预测中。本文首先对数据进行缺失值处理、样本的因变量相关分析及标准化处理等一系列预处理,然后结合互联网数据和机器学习中的XGBoost算法对数据集进行建模和训练,最终实现对房价的精准预测。 展开更多

关键词 房价预测 机器学习 XGBoost

在线阅读 下载PDF 职称材料

基于多变量线性回归的房价预测模型 被引量：3

5

作者 李盛达 《科学技术创新》 2021年第6期91-92,共2页

目前机器学习领域针对房价预测已衍生出很多的方法,本文提出一种基于多变量回归分析的房价预测模型,添加当年失业率、贷款利率和国民消费指数作为变量,能够更有效拟合数据。实验选取美国曼哈顿市2010至2016年的房价作为数据集,用来预测... 目前机器学习领域针对房价预测已衍生出很多的方法,本文提出一种基于多变量回归分析的房价预测模型,添加当年失业率、贷款利率和国民消费指数作为变量,能够更有效拟合数据。实验选取美国曼哈顿市2010至2016年的房价作为数据集,用来预测当地2017年的房价,经实验表明该模型得出的预测价格与真实价格差额大约为2%,该模型具有一定的参考价值,实验相对成功,模型可用。 展开更多

关键词 线性回归 机器学习 数据处理 房价预测

在线阅读 下载PDF 职称材料

基于多种机器学习算法的波士顿房价预测 被引量：7

6

作者 田润泽 《中国新通信》 2019年第11期228-230,共3页

波士顿房价预测问题在人工智能领域中属于回归问题,回归问题是机器学习中很重要的一个研究方向。解决回归问题,较为常见的算法模型有Ridge Regression模型,基于集成学习方法的Random Forest、AdaBoost模型,基于深度学习的DNN模型等等。... 波士顿房价预测问题在人工智能领域中属于回归问题,回归问题是机器学习中很重要的一个研究方向。解决回归问题,较为常见的算法模型有Ridge Regression模型,基于集成学习方法的Random Forest、AdaBoost模型,基于深度学习的DNN模型等等。在具体问题中,选取的模型不同相应的效果也会不同,本研究根据'波士顿房价预测'这一实际问题,分别采用了不同的机器学习模型进行训练和测试,从多个角度对比了不同算法模型在房价预测这一回归问题上的综合表现,给出分析与总结。对上述不同算法模型的算法原理、实际表现以及特点进行了深入分析,总结了不同算法模型在波士顿房价预测这一实际问题上的表现,对不同模型的优缺点进行横向对比,对效果差异进行了分析与总结。 展开更多

关键词 房价预测 RIDGE Regression RANDOM FOREST ADABOOST DNN

在线阅读 下载PDF 职称材料

基于XGBoost与多种机器学习方法的房价预测模型 被引量：8

7

作者 张家棋 杜金 《现代信息科技》 2020年第10期15-18,共4页

房价预测问题是机器学习当中典型的回归问题,常见的算法有多元线性回归、神经网络以及基于集成学习方法的XGBoost模型,在具体的问题中,不同的模型得到的效果也不尽相同。针对房价预测这一实际问题,对房屋的各种不同特征进行分析研究,应... 房价预测问题是机器学习当中典型的回归问题,常见的算法有多元线性回归、神经网络以及基于集成学习方法的XGBoost模型,在具体的问题中,不同的模型得到的效果也不尽相同。针对房价预测这一实际问题,对房屋的各种不同特征进行分析研究,应用了多种回归模型,并比较上述三种模型在这一问题上的表现,对不同模型的优缺点进行横向对比,对效果差异进行分析与总结。 展开更多

关键词 房价预测 多元回归 神经网络 XGBoost

在线阅读 下载PDF 职称材料

基于随机森林的房价预测模型 被引量：6

8

作者 李宇琪 《通讯世界》 2018年第9期306-308,共3页

房价问题事关民生大计,近年来,随着我国经济的不断发展,多数城市的房价逐年飙升,房价问题已成为全民关注的焦点问题。影响房价的因素有很多种,本研究选用基于决策树的随机森林模型,对获取的房价数据进行清洗,选择,归约等预处理,从信息... 房价问题事关民生大计,近年来,随着我国经济的不断发展,多数城市的房价逐年飙升,房价问题已成为全民关注的焦点问题。影响房价的因素有很多种,本研究选用基于决策树的随机森林模型,对获取的房价数据进行清洗,选择,归约等预处理,从信息增益等角度出发找出影响房价的主要因素,从而得出一个较完整的数学模型,为今后学者的研究提供一个可参考的方案。 展开更多

关键词 随机森林 房价预测 数据预处理

在线阅读 下载PDF 职称材料

美国埃姆斯市房价预测回归分析 被引量：2

9

作者 陶顾宇 《通讯世界》 2018年第9期302-304,共3页

人工智能和机器学习中有一类问题为回归问题,对于回归问题的解决,常见的机器学习模型有基本的线性回归模型,岭回归模型,Lasso回归模型,神经网络模型等。不同的模型在不同的问题中具有不同的效果。对于若干回归问题中,房价预测是一个典... 人工智能和机器学习中有一类问题为回归问题,对于回归问题的解决,常见的机器学习模型有基本的线性回归模型,岭回归模型,Lasso回归模型,神经网络模型等。不同的模型在不同的问题中具有不同的效果。对于若干回归问题中,房价预测是一个典型的问题,其目的主要是根据房屋的一些特征,去预测房屋的价格。本文根据Kaggle数据竞赛平台的"美国爱荷华州埃姆斯市房价数据集",对该数据集分别应用了线性回归,岭回归,Lasso回归,来预测埃姆斯市的房价。并对结果进行了相应的分析。 展开更多

关键词 回归分析 房价预测 线性回归 岭回归 Lasso回归

在线阅读 下载PDF 职称材料

基于集成学习的房价预测方法研究 被引量：2

10

作者 陈羽裳 《中国新通信》 2019年第7期222-223,共2页

随着大数据技术和人工智能技术的发展成熟,各个行业对数据预测的需求逐渐增多,房地产行业也是如此。本文以美国爱荷华州的居民住宅数据为例,研究了基于集成学习的房价预测方法。本文首先介绍了研究中使用的相关机器学习算法和集成学习方... 随着大数据技术和人工智能技术的发展成熟,各个行业对数据预测的需求逐渐增多,房地产行业也是如此。本文以美国爱荷华州的居民住宅数据为例,研究了基于集成学习的房价预测方法。本文首先介绍了研究中使用的相关机器学习算法和集成学习方法;在此基础上,分析了研究目标和模型的评价指标,进行了数据预处理,并且训练和选择最优模型预测房价;最后总结本次研究。 展开更多

关键词 集成学习 房价预测 机器学习

在线阅读 下载PDF 职称材料

基于遗传算法改进的BP神经网络房价预测——以重庆市为例 被引量：2

11

作者 曹亚飞 郭亚萍 《山西农经》 2018年第14期35-35,共1页

商品房的价格受多方面因素的影响,传统的预测方法并不十分有效。为了探索新的房价预测理论模型,利用重庆市的数据,验证了遗传算法改进的BP神经网络房价预测的有效性,从而可以对房地产供求双方及监管机构提供一定的参考。

关键词 遗传算法 BP神经网络 房价预测 重庆市房价

在线阅读 下载PDF 职称材料

基于主成分分析的随机遗传BP网络及其房价预测

12

作者 任鹏宇 王林山 《滨州学院学报》 2019年第4期58-64,共7页

将自适应遗传算法与BP神经网络有机结合,提出了一类基于主成分分析的随机遗传神经网络模型,以此建立了房价预测模型。与现有的非随机遗传神经网络预测模型相比,本模型收敛速度更快,精确度更高,实用性更强。

关键词 主成分分析 随机遗传神经网络 房价预测 收敛速度 计算精度

在线阅读 下载PDF 职称材料

基于鲸鱼算法优化Elman神经网络的房价预测 被引量：1

13

作者 吴丁杰 温立书 《长江信息通信》 2021年第10期12-14,共3页

针对房价受到多个相关因素的影响且EIman神经网络随机产生的权值及阈值导致预测结果精度较低等难题,提出了一种基于鲸鱼算法优化EIman神经网络的房价预测方法。首先,利用鲸鱼算法的优化特性进行EIman神经网络权值、阈值的优化,完成EIma... 针对房价受到多个相关因素的影响且EIman神经网络随机产生的权值及阈值导致预测结果精度较低等难题,提出了一种基于鲸鱼算法优化EIman神经网络的房价预测方法。首先,利用鲸鱼算法的优化特性进行EIman神经网络权值、阈值的优化,完成EIman的重构;然后,以波士顿房价为例并考虑房价的影响因素,构建训练集和测试集;最后,利用WOAEIman与EIman分别进行波士顿房价的预测,测试结果表明,WOA-EIman的预测精度高于EIman,其测试集均方差MSE低于EIman。 展开更多

关键词 鲸鱼算法 ELMAN神经网络 房价预测

在线阅读 下载PDF 职称材料

基于逐步回归模型拟合房价预测模型 被引量：1

14

作者 张双妮 《现代农业研究》 2019年第2期124-125,共2页

本文基于逐步回归模型来拟合房价预测模型,对全国的综合房价、以北京市为代表的发达省份、以海南省为代表的半发达省份和以江西省为代表的发展中省份均进行拟合和预测,再进行比较,得出结论:长期来看房价普遍会上涨,而从短期来看全国的... 本文基于逐步回归模型来拟合房价预测模型,对全国的综合房价、以北京市为代表的发达省份、以海南省为代表的半发达省份和以江西省为代表的发展中省份均进行拟合和预测,再进行比较,得出结论:长期来看房价普遍会上涨,而从短期来看全国的综合房价和以江西省为代表的发展中省份的房价将会下跌,以北京市为代表的发达省份和以海南省为代表的半发达省份的房价将会继续上涨。 展开更多

关键词 房价预测 逐步回归模型

在线阅读 下载PDF 职称材料

基于异质集成学习方法的房价预测

15

作者 何睿婷 《通讯世界》 2018年第10期296-297,共2页

房价预测问题属于人工智能领域中的回归问题。对于回归问题的解决,常见的机器学习模型有Ridge Regression模型,基于集成学习方法的Random Forest模型,AdaBoost模型以及XGBoost模型。不同的模型在不同的问题中具有不同的效果,本文依据&qu... 房价预测问题属于人工智能领域中的回归问题。对于回归问题的解决,常见的机器学习模型有Ridge Regression模型,基于集成学习方法的Random Forest模型,AdaBoost模型以及XGBoost模型。不同的模型在不同的问题中具有不同的效果,本文依据"房价预测"这一具体问题,采用了上述几种算法模型进行预测,综合了不同模型的预测情况得出最后的预测结果。对算法模型进行了原理分析,比较了不同的分类模型解决该问题的效果,横向对比了不同模型的优缺点,并对造成结果差异的原因进行了总结。 展开更多

关键词 房价预测 RidgeRegression RandomForest ADABOOST XGBoost

在线阅读 下载PDF 职称材料

基于灰色关联分析的BP神经网络对西安房价的预测分析 被引量：3

16

作者 魏云云 张引娣 陈晨 《榆林学院学报》 2015年第4期47-51,共5页

结合西安市近年来的相关统计数据,利用灰色关联分析原理对影响商品房价格的经济因素进行筛选,再利用BP神经网络模型对西安市房价进行预测,从而不仅提高了神经网络的训练速度,而且得到了良好的预测效果,为政府制定房价政策提供一定的依据。

关键词 灰色关联分析 BP神经网络 房价预测

在线阅读 下载PDF 职称材料

基于网络搜索行为对商品房价格的短期预测 被引量：4

17

作者 蒲东齐 邵丁玲 +2 位作者 吴婷 曾静 钱文颖 《信息通信》 2018年第1期17-19,共3页

网络搜索数据蕴含了数以亿计的市场参与主体的兴趣与关注,通常代表市场参与主体的预期、预示着其下一步的经济行为。因此我们可以利用广大消费者通过互联网的搜索痕迹与房地产相关的搜索词汇对商品房的价格进行短期预测。基于此,我们以... 网络搜索数据蕴含了数以亿计的市场参与主体的兴趣与关注,通常代表市场参与主体的预期、预示着其下一步的经济行为。因此我们可以利用广大消费者通过互联网的搜索痕迹与房地产相关的搜索词汇对商品房的价格进行短期预测。基于此,我们以百度搜索指数为样本数据,对数据缺省值进行处理以及删除方差为零的变量,从待选的60个搜索关键词中选出23个数据变量作为自变量。实证研究部分对数据使用了6种回归模型来对武汉市洪山区的商品房价格进行了拟合和预测,得到了预测洪山区商品房价格变动的最优模型。结果显示:线性回归模型和随机森林的预测值效果最优,平均误差率仅有-0.11%和0.13%。文章所用方法可预测商品房房价领先于官方发布数据10-15天。文章最后根据实证结果提出相关建议。 展开更多

关键词 房价预测 线性回归 套索模型 回归树 装袋模型 随机森林 支持向量机

在线阅读 下载PDF 职称材料

基于搜索关键词关注度的北京市商品房价格预测

18

作者 崔都筑 《通讯世界》 2019年第1期312-313,共2页

反应市场需求的变化,并最终体现在商品市场价格的变化上,商品房房价的变化亦是如此。本文基于这一思想,利用目前我国国内使用范围最广的百度搜索数据对北京市商品房价格进行拟合和预测,选取与商品房价格搜索相关的83个关键词的百度指数... 反应市场需求的变化,并最终体现在商品市场价格的变化上,商品房房价的变化亦是如此。本文基于这一思想,利用目前我国国内使用范围最广的百度搜索数据对北京市商品房价格进行拟合和预测,选取与商品房价格搜索相关的83个关键词的百度指数,并用Python对百度指数网页进行关键词数据抓取。数据清洗时首先看其是否录入百度指数,确定下63个关键词,再依次利用简单手动筛选、相关系数筛选等步骤选出9个关键词作为最终自变量的关键词,分别是:AJR(按揭贷款利率)、BDR(银行贷款利率)、BJFP(北京房价)、CPI、FDBR(房贷基准利率)、GDPR(GDP平减指数)、PCFD(公积金贷款)、PCFDED(公积金贷款额度)、PPI。建立随机森林模型,并检测模型的拟合和预测效果。结果显示:随机森林模型拟合效果、预测效果较好,本文所用方法可预测商品房房价领先官方发布数据10～15d。本文最后根据实证结果提出相关建议。 展开更多

关键词 百度指数 北京市房价预测 随机森林

在线阅读 下载PDF 职称材料

基于支持向量回归的房价数据分析 被引量：4

19

作者 卢超猛 马泽众 +1 位作者 韩阳 郭小强 《华北理工大学学报（自然科学版）》 CAS 2021年第4期76-82,共7页

支持向量机自提出以来,就在数据挖掘、模式识别、人工智能等领域引发了广泛关注。因其严谨的数学基础以及良好的特性,被应用到各个领域中去。其中支持向量回归是基于支持向量机的一个回归预测算法,其应用也极为广泛。本文针对目前应用... 支持向量机自提出以来,就在数据挖掘、模式识别、人工智能等领域引发了广泛关注。因其严谨的数学基础以及良好的特性,被应用到各个领域中去。其中支持向量回归是基于支持向量机的一个回归预测算法,其应用也极为广泛。本文针对目前应用于房价预测领域的其他机器学习算法诸如普通线性回归、贝叶斯岭回归等算法,无法解决房价数据的多维性、复杂性等难题。系统的研究了支持向量回归算法以及房价数据的特点,选择了公开的房价数据集,通过数据预处理后,将支持向量回归算法应用到房价的预测中。以期为SVR的研究提供更多的方向,为房价预测研究提供更多的思路。 展开更多

关键词 支持向量机 回归分析 数据处理 房价预测

在线阅读 下载PDF 职称材料

基于人工智能与情感分析的房价分析系统设计与实现 被引量：1

20

作者 叶楚义 高群霞 +4 位作者 李晶 吴成云 曾晓玲 罗创谦 蔡程健 《科技创新与应用》 2019年第34期30-32,共3页

随着大数据与人工智能技术的兴起,深度学习方法在房价投资方面有极大发挥空间。文章设计并实现了一个智能房价分析系统,主要包括基于LSTM的“房价预测”和基于情感分析的“舆情舆论”两大模块,可较好实现房价未来趋势预测及舆情分析,为... 随着大数据与人工智能技术的兴起,深度学习方法在房价投资方面有极大发挥空间。文章设计并实现了一个智能房价分析系统,主要包括基于LSTM的“房价预测”和基于情感分析的“舆情舆论”两大模块,可较好实现房价未来趋势预测及舆情分析,为企业和投资者提供参考和指引。 展开更多

关键词 房价预测 LSTM 情感分析 数据可视化

在线阅读 下载PDF 职称材料