[发明专利]房屋价值预测方法、装置、计算机设备和存储介质

权利要求书

1.一种房屋价值预测方法，所述方法包括：

获取根据待预测区域房屋价值历史数据构建的房价前瞻预测因子体系；

根据房价前瞻预测因子体系，提取影响房屋价值的指标以及房屋价值指数；

对提取的指标和房屋价值指数进行量化和标准化，从量化和标准化后的指标和房屋价值指数中筛选出符合预设规则的变量和样本；

提取筛选出的变量和样本第一部分数据为训练数据，以待预测区域房屋价值指数为预测目标，分别通过多个预设机器学习方法预测模型训练，构建不同的房价前瞻预测模型；

选取筛选出的变量和样本中第二部分数据为测试数据，对所述不同的房价前瞻预测模型进行测试，选择平均误差最小的机器学习方法预测模型对应的房价前瞻预测模型为最优房价前瞻预测模型。

2.根据权利要求1所述的方法，其特征在于，所述提取筛选出的变量和样本第一部分数据为训练数据，以待预测区域房屋价值指数为预测目标，分别通过多个预设机器学习方法预测模型训练，构建不同的房价前瞻预测模型包括：

对提取筛选出的变量和样本中所有指标进行分组配置，根据分组情况，从筛选出的变量和样本中获取每个分组对应的入模指标的训练数据；

通过每个分组对应的入模指标的训练数据，对多个预设机器学习方法进行训练，构建不同的房价前瞻模型；

所述选取筛选出的变量和样本中第二部分数据为测试数据，对所述不同的房价前瞻预测模型进行测试，选择平均误差最小的机器学习方法预测模型对应的房价前瞻预测模型为最优房价前瞻预测模型包括：

根据所述分组情况，从筛选出的变量和样本中获取每个分组对应的入模指标的测试数据；

通过每个分组对应的入模指标的测试数据，对各机器学习方法对应的房价前瞻模型的准确性进行测试；

计算各房价前瞻模型对应的测试结果的平均误差，选取平均误差最小的算法对应的房价前瞻预测模型作为最优房价前瞻模型。

3.根据权利要求1所述的方法，其特征在于，所述获取根据待预测区域房屋价值历史数据构建的房价前瞻预测因子体系之前，还包括：

获取各区域房屋价值历史数据；

从所述各区域房屋价值历史数据中提取影响房屋价值的指标以及房屋价值指数；

构建房价前瞻预测因子体系，房价前瞻预测因子包括主因子、附属于所述主因子的从因子、附属于所述从因子的次因子以及表征所述次因子的指标，所述主因子包括宏观经济指标主因子、中观经济指标主因子、城市规划主因子、舆论影响主因子以及政策法规主因子。

4.根据权利要求3所述的方法，其特征在于，所述宏观经济指标主因子包括世界经济指标、国民经济指标、货币银行、房地产及建筑业以及金融市场的从因子；中观经济指标主因子包括城市经济、城市生活、房地产及建筑业以及二手房市场的从因子；城市规划主因子包括待预测区域城市规划的从因子；舆论影响主因子自包括主流媒体、互联网门户和论坛、自媒体以及搜索引擎热度的从因子；政策法规主因子包括国家政策和待预测区域的城市政策的从因子。

5.根据权利要求1所述的方法，其特征在于，对提取的指标和房屋价值指数进行量化处理之前，还包括：

识别提取的指标和房屋价值指数中主观因素；

针对所述主观因素分别建立独立的模型，在所述独立模型中将主观因素对应情况划分为多种类型；

针对每种类型情况设定明确的判定条件，并且针对每种类型不同判定结果分别赋值对应的指标值，得到赋值规则；

对提取的指标和房屋价值指数进行量化处理包括：

根据所述赋值规则，对提取的指标和房屋价值指数进行量化处理。

6.根据权利要求1所述的方法，其特征在于，对提取的指标和房屋价值指数进行标准化处理包括：

根据预设的缺失值填补规则，对所述指标中存在缺失的指标进行缺失值填补，得到缺失值填补完毕的数据集；

针对缺失值填补完毕的数据集，根据预设的指标变频规则，对指标进行变频处理；

根据变频处理后的指标，确定指标对应的衍生指标；

对所述衍生指标进行指标转化，将指标转化后的所述衍生指标及对应的变频处理后的指标进行合并，得到标准化处理后的指标。