基于增强回归树的房价影响因素分析—以波士顿地区为例

摘要

房价是反映一个地区经济社会发展水平和状况的重要指标,对其影响因素以及影响的方式和程度进行探究具有理论价值和现实意义。增强回归树是近年来机器学习领域备受关注和推崇的一种非参数建模分析方法,具有建模效率高、模型结果易于解读等优势。本文以美国波士顿地区的历史房价数据为例,采用增强回归树方法来探寻该地区房价的主要影响因素,并比较不同因素在回归树中的相对影响强度。本文得出的结论可为我国某些中心城市的房价调控政策提供参考。