[发明专利]房屋价值预测方法、装置、计算机设备和存储介质

说明书

本申请涉及智慧城市技术领域，应用于房地产行业，特别涉及一种房屋价值预测方法、装置、计算机设备和存储介质，其一方面基于房价前瞻预测因子体系，准确获取影响房屋价值的指标以及房屋价值指数，并进行量化和标准化，确保变量和样本的准确；另一方面，选择不同的机器学习方法训练构建房价前瞻预测模型，并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，实现对房屋价值的准确预测。

技术领域

本申请涉及前瞻预测技术领域，特别是涉及一种房屋价值预测方法、装置、计算机设备和存储介质。

背景技术

在实际生活中，房价已经成为人们日常生活的关注重点，房价的变动牵动着各行各业以及普通百姓的心，不论是从事房地产开发、房地产金融以及建筑等行业的专业人员还是普通百姓都希望能够对未来房价走势有一个比较准确的前瞻预测。

传统的房价预测多数是专业的估价师基于近段时间来某个地区基础房价、房源供需关系、政策以及自身经验给出房价预测。这种方式，一般会严重依赖于估价师的主观判断以及经验，针对同一区域的房价，不同的估价师最终得出房价预测可能不同。

可见传统的房价预测方法均在极大局限性，其房价预测结果不够准确。

发明内容

基于此，有必要针对上述技术问题，提供一种能够准确预测房价的房屋价值预测方法、装置、计算机设备和存储介质。

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。

在其中一个实施例中，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。

在其中一个实施例中，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；