基于数据挖掘的房价预测分析

王智超

摘要：房地产的价格是由众多因素交互影响而形成的，是房地产所在地区的自然、经济、社会、行政等因素综合影响的结果。区位因素是影响房产价格的重要因素，该文通过实例，分析区位因素与房产价格的关系，以期建立房价预测模型，为购房者提供购房建议。

关键词：数据挖掘；预测；分类分析

1项目实施过程

项目实施主要包括以下三个阶段：

1）用爬虫知识从“房天下”网站爬取房源信息。

2）利用获得的房源信息在百度API获取所有房源周边学校，医院，车站和超市的数量。

3）对数据进行归一化处理。

4）按照手工标记的方法，将房子按房价分为（0，7000]，（7000，12000]，（12000，17000]，（17000，22000]（22000，40000]五类。

5）创建KNN，决策树，贝叶斯三种分类器，并使用训练数据进行训练。

6）利用测试集预测，计算模型整体的准确率和召回率，评测模型。

2数据获取阶段

1）获取初始数据，该阶段主要有两个阶段。第一个阶段是房源搜索阶段，该阶段使用Spider从网站房天下获取在售楼盘的名称，地址和价格。第二阶段调取百度地图API GeoCoding进行经纬度转换。Geoeoding API已全面支持HTTP/HTTPS两种请求形式。

2）归一化处理，将四维数据每一维度的数值总和视为1，每一维度数值占四个维度数值总数的比例用来表示该维度数据。

3分类阶段

该阶段采用KNN，贝叶斯，决策树三种方法构建分类器，分类结果如下：

4分析与讨论

从结果来看，决策树表现最佳，精确度有0.69，所以，决策树是我们应该选用的方法。我们认为选取的特征（教育质量，交通条件，医疗条件，生活配套）模糊和有限是造成预测精确度不高的主要原因。如教育质量不能单纯用学校数量来衡量，学校质量同样重要；超市数量不能代表一个地区的生活配套质量，还应包括餐馆、公园等因素。

除本文选取的四个房价影响因子外，影响房价的因素还有很多，如地區居民收入、地方政策、环境质量和房地产生产成本、质量、品位、房型、结构、朝向等内在因素。endprint