基于数据挖掘的房地产价格分析预测研究
摘要 | 第3-4页 |
ABSTRACT | 第4页 |
第一章 绪论 | 第7-11页 |
1.1 研究意义及背景 | 第7页 |
1.2 国内研究现状 | 第7-8页 |
1.3 国外研究现状 | 第8-10页 |
1.4 论文结构 | 第10-11页 |
第二章 影响房地产价格的因素 | 第11-17页 |
2.1 房地产价格的构成 | 第11页 |
2.1.1 土地价格或使用费 | 第11页 |
2.1.2 前期开发工程费 | 第11页 |
2.1.3 建筑安装工程费 | 第11页 |
2.1.4 开发管理费 | 第11页 |
2.1.5 利润和税金 | 第11页 |
2.2 房地产价格的特征 | 第11-13页 |
2.2.1 房地产价格的区位性 | 第12页 |
2.2.2 房地产价格的双重性 | 第12页 |
2.2.3 房地产价格的权益性 | 第12页 |
2.2.4 房地产价格的长期性 | 第12页 |
2.2.5 房地产价格的个别性 | 第12页 |
2.2.6 房地产价格的敏感性 | 第12-13页 |
2.2.7 房地产价格的增值性 | 第13页 |
2.3 影响房地产价格的因素 | 第13-17页 |
2.3.1 影响房地产价格的一般因素 | 第13-15页 |
2.3.2 影响房地产价格的区位因素 | 第15-16页 |
2.3.3 影响房地产价格的个别因素 | 第16-17页 |
第三章 数据挖掘简介 | 第17-26页 |
3.1 数据挖掘的概念 | 第17-18页 |
3.1.1 数据挖掘的起源和发展 | 第17-18页 |
3.1.2 数据挖掘的定义 | 第18页 |
3.2 数据挖掘的应用领域 | 第18-21页 |
3.2.1 医学领域 | 第18-19页 |
3.2.2 化学领域 | 第19页 |
3.2.3 天文学领域 | 第19-20页 |
3.2.4 农业领域 | 第20页 |
3.2.5 科研领域 | 第20页 |
3.2.6 电子商务领域 | 第20-21页 |
3.2.7 IT 领域 | 第21页 |
3.3 数据挖掘的任务 | 第21-23页 |
3.3.1 分类分析 | 第21-22页 |
3.3.2 聚类分析 | 第22页 |
3.3.3 关联分析 | 第22页 |
3.3.4 回归分析 | 第22页 |
3.3.5 预测分析 | 第22页 |
3.3.6 序列分析 | 第22页 |
3.3.7 偏差分析 | 第22-23页 |
3.4 数据挖掘的过程 | 第23-26页 |
3.4.1 问题定义 | 第23-24页 |
3.4.2 数据选择 | 第24页 |
3.4.3 数据分析 | 第24页 |
3.4.4 数据准备 | 第24页 |
3.4.5 建立模型 | 第24页 |
3.4.6 模型评价 | 第24-25页 |
3.4.7 可视化 | 第25-26页 |
第四章 关联规则 | 第26-33页 |
4.1 关联规则理论 | 第26-27页 |
4.1.1 关联规则的概念 | 第26页 |
4.1.2 关联挖掘中两个重要的度量指标 | 第26-27页 |
4.1.3 关联规则分类 | 第27页 |
4.2 关联规则的基本模型 | 第27-29页 |
4.2.1 关联规则挖掘的问题分解 | 第27-28页 |
4.2.2 生成频繁项目集 | 第28-29页 |
4.2.3 产生强关联规则 | 第29页 |
4.3 基本关联规则算法 | 第29-33页 |
4.3.1 搜索算法 | 第29页 |
4.3.2 分层算法 | 第29-31页 |
4.3.3 深度优先算法 | 第31-32页 |
4.4.4 划分算法 | 第32页 |
4.4.5 抽样算法 | 第32-33页 |
第五章 基于数据挖掘的房地产价格预测 | 第33-45页 |
5.1 基于数据挖掘的房地产价格分析预测 | 第33-39页 |
5.1.1 收集以往房地产交易记录和数据 | 第33-34页 |
5.1.2 数据筛选和信息处理 | 第34-35页 |
5.1.3 关联挖掘 | 第35-38页 |
5.1.4 规则分析 | 第38-39页 |
5.2 实例分析 | 第39-45页 |
5.2.1 贴近度和择近原则 | 第39-40页 |
5.2.2 房地产价格的计算公式由来 | 第40页 |
5.2.3 案例匹配 | 第40-43页 |
5.2.4 待预测房价计算 | 第43页 |
5.2.5 预测价格结果分析 | 第43-45页 |
结论 | 第45-46页 |
参考文献 | 第46-49页 |
致谢 | 第49页 |