DM.zip_决策树预测_房价预测_数据挖掘预测_神经网络 房价_预测挖掘

房价走势预测报告

在搜房网 2013 年对中国房地产市场进行的十大预测中，明确指出商业地产

“机遇大于挑战，前景向好”、“商业地产市场有很大空间和潜力，预计未来几年

内商业地产市场将蓬勃发展”。可见，未来几年内的中国房价依然呈现增长趋势。

刚性需求 、固定资产投资、土地的稀缺性及不可再生性、市场不健全、扩张的

货币政策、政府部门不正之风等因素导致了目前我国房地产市场存在着许多泡沫

成分。房地产市场的虚假繁荣，会导致资源浪费，经济虚高，社会不公平等问题，

如果任其发展，一旦资金链断裂，就会导致经济危机。

国外的房产市场，亦如中国吗？让我们以加利福尼亚为例，深入研究当地房

年期间，加利福尼亚地区得益于国防开支的巨幅增长，经济和房地产市场相继进

入繁荣状态，实际房价涨幅在三年内超过 30%；90 年代中期，国防开支急剧下降，

加利福尼亚的房产市场遭遇严重创伤，五年内实际房价下跌超过 30%。后期以来，

该地区的房价开始出现大规模的涨幅，同时全球房价涨幅趋同。

如今，持续回暖的美国房地产市场，正成为缓慢复苏中的美国经济最大亮点，

灭国大城市房价已经连续九个月上涨。摩根大通在新近发布的 2013 年度策略报

告中表示，美国房地产市场复苏站稳脚跟，预计复苏至少还将持续 1 年至 2 年。

那么，在美国房产市场苏醒的浪潮席卷下，加利福尼亚的房价又会如何变化，我

们将拭目以待。

1.2 研究意义

根据全球地产频道报道，加利福尼亚地产经纪商协会最新调查数据显示，中

国买家占加州房市国家买家的比例高达 39.1%。

因此，对美国加州房价的预测，不仅对加州市民买房有所帮助，更在一定程

度上指导了我国居民对加州房产价格趋势的了解，以做出明智的选择。

1.3 数据来源

本文的数据是来自于1990年的调查结果，显示了加利福尼亚地区所有街区的

房屋状况，包括20640所房子。数据分为9个属性，分别是Median house price、

Median income of individuals living in block（Number merely correlates

to income yet has no dollar meaning）、Housing median age（ i.e.

median house age）、Total rooms in block、Total bedrooms in block、

采用相应的分类和聚类技术，比如 K-means、决策树、神经网络等方法，建立相

关模型；一旦模型建立，就可以用验证集测试模型的效果，如果模型预测效果的

正确率很好，就可以根据这个模型对加利福尼亚地区的房价进行预测。本文中，

我们分别采用决策树模型和神经网络模型来预测房价。决策树模型是典型的分类

技术，通过决策树模型，可以预测房价将位于哪一个区间。神经网络是一种分类

和聚类技术，通过神经网络，能够预测房价的精确值，为购房者提供决策依据。

第 2 章 数据预处理

2.1 数据描述

实验用的数据 cadata.txt 给出了 California 在 1990 年的每个街区的人口

普查的结果，共有 20,640 条数据，每条数据包含了 9 个属性，它们分别是

图 2-1

显然，给定的数据中没有空缺值，另外考虑到数据样本比较大，对于出现极

值和离群值的数据，我们选择丢弃，数据样本由初始 20,640 条变为 19,748 条。

不同属性的数据分布，包括最小值、最大值、平均值等情况统计，如图 2-2

所示：

图 2-2

第 3 章 决策树预测

数据预处理以后，接着就可以用聚类分类技术对数据分析。决策树是一种典

型的分类技术，它往往能取得不错的效果，因此我们先用决策树进行分析。

决策树（decision tree）是一个类似于流程图的树结构，其中每个内部节点

图 3-1

根据直观分布，我们人为的将房价划分为[0, 100000)， [100000, 200000)，

[200000， 300000)，[300000， 400000)，[400000,Max]五个区间，这可能也是

导致最后预测准确率低的原因。

同样，根据其他属性的分布图（在附带的文件中可看到），我们依次对其进

行区间划分，实现数据的离散化，划分结果如下：

3.2ID3 算法实现

ID3 算法是一种贪心算法，它以自顶向下递归的各个击破方式构造决策树。

算法使用称为信息增益的基于熵的度量作为启发信息，选择能够最好地将样本分

类的属性。对测试属性的每个已知的值，创建一个分枝，并据此划分样本。这种

算法的核心代码如下（详细部分可在 DMProject.cpp 文件中看到）：

double Entropy(int attrCount[],int n) //计算信息熵

{

double ans=0.0;

double sum=0;

for(int i=0;i<n;i++)

{

sum+=attrCount[i];

}

for(int i=0;i<n;i++)