基于Spark MLlib的房屋估价系统
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-13页 |
| 1.1 课题研究背景 | 第6-7页 |
| 1.1.1 大数据 | 第6页 |
| 1.1.2 二手房估价 | 第6-7页 |
| 1.2 课题研究现状 | 第7-10页 |
| 1.2.1 Spark集群 | 第7-8页 |
| 1.2.2 机器学习框架 | 第8-9页 |
| 1.2.3 房地产估价 | 第9-10页 |
| 1.3 论文主要工作 | 第10-11页 |
| 1.4 论文主要架构 | 第11-13页 |
| 2 相关技术介绍 | 第13-25页 |
| 2.1 Spark平台 | 第13-16页 |
| 2.1.1 Spark简介 | 第13-15页 |
| 2.1.2 Spark MLlib | 第15-16页 |
| 2.2 机器学习算法 | 第16-25页 |
| 2.2.1 支持向量机 | 第16-18页 |
| 2.2.2 随机森林 | 第18-19页 |
| 2.2.3 神经网络 | 第19-25页 |
| 3 房屋估价指标体系建立 | 第25-35页 |
| 3.1 价格评估指标体系 | 第25页 |
| 3.2 价格指标量化标准 | 第25-28页 |
| 3.3 原始数据预处理 | 第28-34页 |
| 3.3.1 数据清洗 | 第29-31页 |
| 3.3.2 探索性数据分析 | 第31-33页 |
| 3.3.3 数据标准化 | 第33-34页 |
| 3.4 总结分析 | 第34-35页 |
| 4 房屋估价模型设计及训练 | 第35-47页 |
| 4.1 基于支持向量机 | 第36-37页 |
| 4.2.1 估价模型建立 | 第36页 |
| 4.2.2 模型训练结果 | 第36-37页 |
| 4.2 基于随机森林 | 第37-40页 |
| 4.2.1 估价模型建立 | 第37-38页 |
| 4.2.2 模型训练结果 | 第38-40页 |
| 4.3 基于神经网络 | 第40-46页 |
| 4.3.1 基于Caffe | 第40-44页 |
| 4.3.2 基于Keras | 第44-46页 |
| 4.4 总结分析 | 第46-47页 |
| 5 基于Spark MLlib的系统实现 | 第47-51页 |
| 5.1 特征工程 | 第47-48页 |
| 5.2 机器学习 | 第48-51页 |
| 5.2.1 支持向量机 | 第48页 |
| 5.2.2 随机森林 | 第48-49页 |
| 5.2.3 神经网络 | 第49-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-58页 |
