基于支持向量回归的吉林省房地产价格预测模型研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 研究背景 | 第7-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 本文的主要工作 | 第10页 |
| 1.4 本文的主要结构 | 第10-11页 |
| 第2章 基本理论方法 | 第11-17页 |
| 2.1 聚类分析 | 第11-12页 |
| 2.1.1 相似性度量 | 第11页 |
| 2.1.2 类间距离 | 第11-12页 |
| 2.1.3 具体步骤 | 第12页 |
| 2.2 统计学习 | 第12-13页 |
| 2.3 支持向量机 | 第13-16页 |
| 2.3.1 SVM基本原理 | 第13-15页 |
| 2.3.2 算法优势 | 第15-16页 |
| 2.4 支持向量回归 | 第16-17页 |
| 第3章 房地产价格影响因素分析 | 第17-29页 |
| 3.1 房地产价格主要影响因素 | 第17-21页 |
| 3.1.1 政策制度 | 第17-18页 |
| 3.1.2 供需平衡 | 第18页 |
| 3.1.3 人口问题 | 第18-19页 |
| 3.1.4 经济发展 | 第19-20页 |
| 3.1.5 建筑因素 | 第20-21页 |
| 3.2 房地产价格评价体系构建 | 第21-22页 |
| 3.3 基于聚类分析的房地产价格影响指标选取 | 第22-29页 |
| 3.3.1 选取步骤 | 第23-24页 |
| 3.3.2 实证分析 | 第24-29页 |
| 第4章 房地产价格预测模型构建 | 第29-41页 |
| 4.1 基于SVR的房地产价格预测模型 | 第29-32页 |
| 4.1.1 建立样本数据库 | 第29-30页 |
| 4.1.2 选取指标变量 | 第30页 |
| 4.1.3 划分训练样本 | 第30页 |
| 4.1.4 建立预测模型 | 第30页 |
| 4.1.5 设计模型参数 | 第30-31页 |
| 4.1.6 模型预测实施 | 第31页 |
| 4.1.7 模型误差评价 | 第31-32页 |
| 4.2 实证分析 | 第32-38页 |
| 4.2.1 数据准备 | 第32页 |
| 4.2.2 确定核函数 | 第32-33页 |
| 4.2.3 选择参数 | 第33-37页 |
| 4.2.4 利用支持向量回归模型预测房地产价格 | 第37-38页 |
| 4.3 模型对比 | 第38-40页 |
| 4.4 结果分析 | 第40-41页 |
| 第5章 结论与展望 | 第41-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 附录 | 第47-50页 |
| 作者简介 | 第50页 |
| 攻读硕士学位期间研究成果 | 第50页 |
