基于随机森林算法的房地产项目风险评价研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8页 |
| 1.2 问题提出与研究意义 | 第8-10页 |
| 1.2.1 问题提出 | 第8-9页 |
| 1.2.2 研究意义 | 第9-10页 |
| 1.3 研究内容与方法 | 第10-14页 |
| 1.3.1 研究内容 | 第10-11页 |
| 1.3.2 研究方法 | 第11-12页 |
| 1.3.3 研究技术路线 | 第12-14页 |
| 第2章 相关研究综述 | 第14-22页 |
| 2.1 房地产项目的风险因素 | 第14-16页 |
| 2.1.1 区位因素 | 第15页 |
| 2.1.2 价格因素 | 第15-16页 |
| 2.1.3 房地产周期因素 | 第16页 |
| 2.2 常见风险评价方法的相关研究 | 第16-18页 |
| 2.2.1 因子分析法 | 第17页 |
| 2.2.2 层次分析法 | 第17-18页 |
| 2.2.3 模糊综合评价法 | 第18页 |
| 2.3 风险评价与机器学习 | 第18-22页 |
| 2.3.1 k最近邻 | 第19页 |
| 2.3.2 支持向量机 | 第19-20页 |
| 2.3.3 随机森林 | 第20-22页 |
| 第3章 基于随机森林算法的风险评价模型 | 第22-32页 |
| 3.1 随机森林算法介绍 | 第22-29页 |
| 3.1.1 随机森林的原理 | 第22-24页 |
| 3.1.2 随机森林的泛化误差 | 第24-27页 |
| 3.1.3 OOB估计 | 第27-29页 |
| 3.2 基于随机森林的风险评价流程 | 第29-32页 |
| 第4章 基于J房地产公司视角的实证研究 | 第32-66页 |
| 4.1 样本来源与评价指标 | 第32-53页 |
| 4.1.1 样本来源 | 第32-40页 |
| 4.1.2 评价指标 | 第40-51页 |
| 4.1.3 指标选取 | 第51-53页 |
| 4.2 模型实现 | 第53-63页 |
| 4.2.1 定性指标数值化 | 第53页 |
| 4.2.2 相关性分析 | 第53-56页 |
| 4.2.3 随机森林分析 | 第56-63页 |
| 4.3 结果分析 | 第63-66页 |
| 第5章 总结与展望 | 第66-70页 |
| 5.1 主要研究成果 | 第66-68页 |
| 5.2 局限性 | 第68-69页 |
| 5.3 研究展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录A：房地产项目风险评价的初选指标 | 第74-77页 |
| 附录B：10折交叉验证的代码 | 第77-78页 |
| 致谢 | 第78-79页 |
