%A 陈万成,戴浩然,金映含 %T 基于数据挖掘方法的HEDONIC房屋价格评估模型——以美国城市西雅图为例 %0 Journal Article %D 2019 %J 数据分析与知识发现 %R 10.11925/infotech.2096-3467.2018.0881 %P 19-26 %V 3 %N 5 %U {https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/abstract/article_4653.shtml} %8 2019-05-25 %X

【目的】依据HEDONIC理论, 利用不同类型特征构建商品房价格评估模型, 为房屋价格评估工作提供一个效率更高、成本更低、准确性更高的解决方案。【方法】利用空间分析方法, 对预处理后的数据构造并选取重要特征, 基于随机森林、神经网络以及KNN建立融合模型。【结果】分析西雅图2014年至2015年商品房价格评估结果可以得出: 该模型明显优于线性HEDONIC模型, 准确度提升11.20%, 较为可靠。【局限】选取样本数据时, 时间截面并不完全一致, 导致模型存在潜在缺陷; 由于市场环境不同等多种因素, 将该模型运用于中国房屋价格的评估可能会存在偏差。【结论】本文提出的融合模型是一种较为可靠的房屋价格评估模型。