基于LightGBM算法的北京市二手房估价模型研究

目录

声明

致谢

1 引言

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 传统的房地产估价方法

1.2.2 机器学习在二手房估价的应用

1.2.3 LightGBM算法的应用

1.2.4 文献评述

1.3 研究内容

1.4 研究方法与技术路线

1.5 创新点

2 二手房估价的相关理论与技术基础

2.1 特征价格理论

2.1.1 特征价格理论概述

2.1.2 特征价格理论应用于二手房估价研究

2.2 网络爬虫技术

2.2.1 网络爬虫技术概述

2.2.2 网络爬虫工作流程

2.3 特征工程

2.3.1 数据预处理

2.3.2 特征选择

2.4 集成学习算法

2.4.1 Bagging算法

2.4.2 Boosting算法

2.5 本章小结

3 北京市二手房估价的特征选择

3.1 数据采集

3.1.1 数据来源

3.1.2 网络爬虫

3.2 数据预处理

3.2.1 数据清洗

3.2.2 数据转换

3.3 基于包装法的北京市二手房的特征选择

3.3.1 候选特征集

3.3.2 基于包装法的特征选择

3.3.3 最优特征集

3.4 本章小结

4 基于LightGBM算法的北京市二手房估价模型

4.1 基于LightGBM算法的估价模型

4.1.1 直方图算法

4.1.2 直方图算法的改进

4.1.3 带深度限制的Leaf-wise的叶子生长策略

4.2 基于改进LightGBM算法的估价模型

4.2.1 网格搜索算法

4.2.2 LightGBM算法的超参数

4.2.3 基于网格搜索算法的模型改进

4.3 对比估价模型

4.3.1 线性回归模型

4.3.2 BP神经网络模型

4.3.3 随机森林模型

4.3.4 XGBoost 模型

4.4 本章小结

5 北京市二手房估价模型实验结果分析

5.1 模型评估与验证

5.1.1 评估指标

5.1.2 交叉验证

5.2 北京市二手房估价模型结果分析

5.2.1 LightGBM估价模型结果分析

5.2.2 改进的LightGBM估价模型结果分析

5.2.3 对比估价模型结果分析

5.3 北京市二手房估价模型对比分析

5.4 本章小结

6 总结与展望

6.1 研究结论

6.2 研究展望

参考文献

附录 A

附录 B

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集