行业聚焦202023/04REALESTATEWORLD基于Adaboost算法的房地产特征价格评估模型研究肖晚秋黄宏武王丽房地产业的健康发展对GDP的增长和人民生活水平的提高起着至关重要的作用。价格是调节资源配置的看不见的手,对房地产进行正确定价不仅直接影响着房地产业的健康发展,还进一步影响整个国民经济的可持续发展。近年来,我国房地产市场呈下行趋势,部分城市住房价格下滑,市场的观望气氛浓厚。在“房住不炒”的大前提下,政策仍然支持和鼓励合理的住房需求,刚性和改善性住房需求或将成为房地产市场的关键支撑点。为促进刚性和改善性住房需求入市,相关学者有必要对房地产价格进行评估,为消费者、政府部门以及其他市场参与者提供可靠的决策依据。大多数学者主要从宏观角度来研究房价的影响因素,例如GDP、人口数量、人均收入、人均存款、房地产开发投资额等。这些研究成果可用来评估一个地区的平均房价水平,但无法确定某一套房子的具体价格。鉴于此,部分学者开始采用特征价格法来评估房价。特征价格法从区位特征、邻里特征和建筑特征等相对微观的角度来评估房屋价格,可以做到“一房一价”。特征价格法解决了自变量选取的问题,但没有解决算法问题。学者最初主要采用传统的线性回归算法,后来有少部分学者采用机器算法,如BP神经网络、随机森林、XGBoost等算法。在一般情况下,机器算法的精度尽管高于传统算法,但仍有较大的提升空间。相较于其他学习算法,Adaboost算法较少出现过拟合现象,其稳定性和泛化能力更强。本研究建立了Adaboost回归模型、随机森林模型和XGBoost回归模型。研究结果表明,Adaboost回归模型的预测效果优于随机森林模型和XGBoost回归模型。1相关研究大部分学者从宏观角度对房价进行研究,例如,BojanGrum和DarjaKobeGovekar研究发现,房价与失业率、股票指数、国内生产总值和工业生产总值有着显著的相关性[1]；李贤增研究了人口、GDP、信贷规模、土地供应、利率等因素对房地产价格的影响[2]；王绍钢利用城镇人均可支配收入、人均地区生产总值、城镇人口比重、竣工房屋造价、住宅开发投资和常住人口等影响因素对房价进行了预测。[3]摘要：房地产价格评估在推动房地产业和我国经济的可持续发展方面具有重要意义。为了实现对房地产价格的精准评估，本文建立了基于Adaboost算法的房地产特征价格评估模型。本文从某房地产网站获取区位特征、邻里特征和建筑特征数据并建立模型，然后利用Adaboost算法对房价进行评估。为了对比模型的效果，本文同时建立了Adab...
