| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 目录 | 第8-10页 |
| 1. 绪论 | 第10-18页 |
| 1.1 选题背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 房地产评估的发展概述 | 第11-13页 |
| 1.2.2 随机森林算法的应用现状 | 第13-14页 |
| 1.3 研究的目的与意义 | 第14-15页 |
| 1.4 研究方法、内容及技术路线图 | 第15-18页 |
| 1.4.1 研究方法 | 第15-16页 |
| 1.4.2 论文内容 | 第16页 |
| 1.4.3 技术路线图 | 第16-18页 |
| 2. 北京市房地产市场现状 | 第18-24页 |
| 2.1 北京市商品房市场分析 | 第18-20页 |
| 2.1.1 北京市商品房供应情况 | 第18-19页 |
| 2.1.2 北京市商品房销售情况 | 第19-20页 |
| 2.1.3 北京市商品房存量情况 | 第20页 |
| 2.2 北京市二手房市场分析 | 第20-22页 |
| 2.2.1 北京市二手房概况 | 第20-21页 |
| 2.2.2 北京市二手房供需情况 | 第21-22页 |
| 2.3 研究区域的确定 | 第22-24页 |
| 3. 相关理论基础 | 第24-31页 |
| 3.1 特征价格模型 | 第24-26页 |
| 3.1.1 特征价格理论介绍 | 第24-25页 |
| 3.1.2 特征价格模型的优势 | 第25-26页 |
| 3.2 随机森林理论 | 第26-29页 |
| 3.2.1 Boosting及Bagging方法概述 | 第26-27页 |
| 3.2.2 随机森林回归基本原理 | 第27-28页 |
| 3.2.3 随机森林对输入变量重要性的测度 | 第28-29页 |
| 3.2.4 随机森林算法优点 | 第29页 |
| 3.3 对比模型介绍 | 第29-31页 |
| 3.3.1 神经网络回归 | 第29-30页 |
| 3.3.2 支持向量机回归 | 第30-31页 |
| 4. 构建北京市二手房评估指标体系 | 第31-39页 |
| 4.1 候选指标集的构成与整合 | 第31-35页 |
| 4.1.1 候选指标的构成 | 第31-32页 |
| 4.1.2 候选指标的获取与量化 | 第32-35页 |
| 4.2 数据归一化处理 | 第35-36页 |
| 4.3 评价指标体系的特征选择 | 第36-39页 |
| 4.3.1 特征选择思路 | 第36页 |
| 4.3.2 特征选择具体实现 | 第36-39页 |
| 5. 基于随机森林的北京市二手房价格评估模型 | 第39-51页 |
| 5.1 研究思路 | 第39页 |
| 5.2 随机森林参数的选择 | 第39-42页 |
| 5.2.1 mtry值的确定 | 第40-41页 |
| 5.2.2 ntree值的确定 | 第41-42页 |
| 5.3 北京市二手房评估模型 | 第42-44页 |
| 5.4 随机森林模型预测能力评价 | 第44-49页 |
| 5.4.1 预测原理及方法 | 第44页 |
| 5.4.2 预测集样本估值结果分析 | 第44-46页 |
| 5.4.3 五折交叉验证法 | 第46-49页 |
| 5.5 随机森林模型的稳定性及过拟合 | 第49-51页 |
| 6. 结论与展望 | 第51-53页 |
| 6.1 全文总结 | 第51页 |
| 6.2 存在的问题及研究展望 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 附录A | 第55-72页 |
| 附件B | 第72-73页 |
| 作者简历 | 第73-75页 |
| 学位论文数据集 | 第75页 |