摘要：房价受许多的因素影响，但在房价预测这个领域中较少将房屋的地理位置作为因素进行预测。该论文使用百度地图API将地理因素引入到房价预测中，并使用三类不同的机器学习算法对房价进行预测分析。首先使用python语言爬取二手房网站上的四千余条房屋数据作为研究对象，然后调用百度地图API获取房屋周围的生活设施信息，最后先后使用简单线性回归、集成算法以及组合模型对房价进行预测，并探讨各个模型在房价预测上的表现效果。结果表明，房价在很大的程度上受到了房龄以及周围的医院、学校等生活设施的数量与距离的影响；其次，与单一的线性回归模型相比，组合模型能够将房价预测结果提高超过30%的精度。

关键词：房价预测；百度地图API；线性回归；集成算法；组合模型

 

目 录

摘 要

Abstract

1引言-1

1.1研究意义与目的-1

1.2研究现状-1

1.2.1房价预测的研究现状-1

1.2.2百度地图API的研究-3

2相关概念概述-3

2.1单一模型-4

2.1.1线性回归模型-4

2.1.2岭回归模型-5

2.1.3随机森林回归模型-5

2.1.4 GradientBoosting回归模型-6

2.2 组合模型-6

2.2.1权重组合模型-6

2.2.2 stacking 模型-7

2.3 评估指标-7

2.3.1标准化均方误差