数据挖掘在房地产价格预测中的应用研究

发布时间：2021-03-07 20:13

　　通过基于数据挖掘理论的粗糙集和神经网络的研究,用属性约简算法约简并提取了影响房地产价格的主要指标因素,对降维后的数据进行网络学习和训练,最后用训练好的的网络检验测试样本.方法使学习训练的速度和识别率提高了,为房地产价格预测提供了一种更为有效和实用的新途径. 

【文章来源】：数学的实践与认识. 2020,50(05)北大核心

【文章页数】：6 页

【部分图文】：

图２约简前的训练??

邵为爽，等：数据挖掘＿詹地产价格预测中的应用研究??３０９??？：；：：；；?Ｉ?：?；．?：?ｉ?ｉ?ｉ?ｉ?；．?ａＱ：；ｓｉＳ＊：２５?：?：??蘇Ｉ酬Ｉ麵ｉ＿ｈ＿ｌ丨??图２约简前的训练??图３约简后的训练??从约简前后的决策表２和表３中抽取１０个测试样本送入训练好的神经网络，进行仿真??实验（见表４），结果表明经过约简后的数据所训练生成的网络对测试样本的识别率和效率都??有所提高，且与所期望的房屋价格基本一致．因此，将提出的新方法应用于齐齐哈尔市２０２０??年房地产价格预测，本文从齐齐哈尔市北三区的住宅选取１０个预测样本（见表５），样本集包??含８个属性，则该神经网络的输入即为一个８ｘ１０阶矩阵．输出层有３个神经元，共１０个测??本文根据差别矩阵的属性约简算法对决策表２进行条件属性约简，通过Ｒｏｓｅｔｔａ软件的??运行得到叫ａ７，?ａ１Ｑ是冗余的属性，将其删除得出了最小约简条件属性集合为：｛叫，叱，ａ３，??〇；４，?ａ＆，ａｓ，ａｉ〇，?ａｎ｝，得到最终决策表３．??表３最终决策表??Ｕ??Ｃ??２?２??３?１??４?３??２?１??３?２??２?３??Ｄ??ａｎ??３?０１０??２?０１０??２?００１??３?０１０??９７?１??９８?３??９９?１??１００?２??２?２?２??３?３?２??１?００１??３?００１??１?１００??３?００１??根据Ｋｏｌｍｏｇｏｒｏｍｖ定理，参考公式２确定３层的网络结构，３个输出神经元，训练样本??从决策表２和表３中选取，作为ＢＰ神经网络模型的输入层．运用软件Ｍａｔｌａｂ７．０多次试验，??将神经网络结构分别设置为１１－

【参考文献】：
期刊论文
[1]RS-BP神经网络在C2C电子商务顾客满意度评价中的应用[J]. 邵为爽,李晓红.  科技通报. 2013(05)
[2]粗糙集BP神经网络在房地产价格预测中的应用[J]. 章伟.  计算机仿真. 2011(07)
[3]我国房地产估价的发展趋势与对策[J]. 叶剑平.  中国房地产. 2001(08)

硕士论文
[1]基于粗糙集和神经网络的中小企业信用评估体系及模型的研究[D]. 李晓欢.内蒙古大学 2010
[2]遗传小波神经网络及在导航传感器故障诊断中的应用[D]. 王雯升.哈尔滨工程大学 2009
[3]粗糙集方法在税务稽查中的研究与实践[D]. 齐家宏.兰州大学 2007



本文编号：3069733