武汉市二手房价格评估研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1. 绪论 | 第10-19页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 传统房产评估方法概述 | 第11-14页 |
| 1.2.2 现代房产评估新技术 | 第14-17页 |
| 1.3 研究目的和意义 | 第17页 |
| 1.3.1 理论意义 | 第17页 |
| 1.3.2 实践意义 | 第17页 |
| 1.4 研究框架与技术路线图 | 第17-19页 |
| 1.4.1 论文框架 | 第17-18页 |
| 1.4.2 技术路线图 | 第18-19页 |
| 2. 数据量化与描述性统计 | 第19-25页 |
| 2.1 数据来源 | 第19页 |
| 2.2 数据指标介绍 | 第19-20页 |
| 2.3 数据指标量化 | 第20-21页 |
| 2.4 描述性统计 | 第21-25页 |
| 3. 相关理论基础 | 第25-37页 |
| 3.1 线性回归模型 | 第25-28页 |
| 3.1.1 模型结构和假设 | 第25-26页 |
| 3.1.2 模型参数估计 | 第26-27页 |
| 3.1.3 模型假设检验 | 第27-28页 |
| 3.1.4 模型预测 | 第28页 |
| 3.2 神经网络 | 第28-33页 |
| 3.2.1 神经网络简介 | 第28-29页 |
| 3.2.2 神经网络基本原理 | 第29-30页 |
| 3.2.3 BP神经网络算法 | 第30-33页 |
| 3.2.4 BP神经网络算法流程图 | 第33页 |
| 3.3 随机森林 | 第33-37页 |
| 3.3.1 随机森林预备知识 | 第33-35页 |
| 3.3.2 随机森林原理 | 第35-36页 |
| 3.3.3 随机森林优点 | 第36-37页 |
| 4. 房价层级差异的影响因素分析 | 第37-43页 |
| 4.1 本章研究思路 | 第37-38页 |
| 4.2 机器学习分类法 | 第38-40页 |
| 4.2.1 决策树分类法 | 第38-39页 |
| 4.2.2 其他机器学习分类法 | 第39-40页 |
| 4.3 模型交叉验证 | 第40-41页 |
| 4.4 影响因素分析 | 第41-43页 |
| 5. 武汉市二手房价格预测评估 | 第43-62页 |
| 5.1 数据准备 | 第43-44页 |
| 5.2 多元线性回归模型 | 第44-49页 |
| 5.2.1 模型建立 | 第44页 |
| 5.2.2 模型参数估计 | 第44-46页 |
| 5.2.3 模型优化 | 第46-48页 |
| 5.2.4 模型检验 | 第48页 |
| 5.2.5 模型预测 | 第48-49页 |
| 5.3 神经网络模型 | 第49-55页 |
| 5.3.1 模型基本设计 | 第49-50页 |
| 5.3.2 网络参数设计 | 第50页 |
| 5.3.3 网络参数确定 | 第50-54页 |
| 5.3.4 神经网络房价预测 | 第54-55页 |
| 5.4 随机森林模型 | 第55-59页 |
| 5.4.1 建模思路 | 第55-56页 |
| 5.4.2 参数确定 | 第56-58页 |
| 5.4.3 随机森林房价预测 | 第58-59页 |
| 5.5 模型预测能力评价 | 第59-62页 |
| 5.5.1 评价指标 | 第59-60页 |
| 5.5.2 评价结果 | 第60-62页 |
| 6. 结论与展望 | 第62-64页 |
| 6.1 基本结论 | 第62页 |
| 6.2 研究展望 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 致谢 | 第66页 |
