房价预测模型的生成方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种基于大数据处理的房价预测模型的生成方法、装置、设备及存储介质，所述方法包括：获取待建立房价预测模型的参数信息，其中，所述参数信息包括宏观经济指标信息、中观经济指标信息以及风俗文化信息；根据所述参数信息建立多个原始房价预测模型；通过预设机器学习算法对所述房价预测模型进行训练，得到各个模型对应的预测结果；将所述预测结果进行对比，根据对比结果按照预设规则从所述原始房价预测模型中选择出目标房价预测模型，将宏观经济指标信息、中观经济指标信息以及风俗文化信息作为模型的建立指标，摆脱传统的根据区域建立的房产预测模型，并打通数据壁垒，更多方位的实现房价预测，从而提高房价预测的准确性。

Generation Method, Device, Equipment and Storage Medium of House Price Prediction Model

【技术实现步骤摘要】
房价预测模型的生成方法、装置、设备及存储介质
本专利技术涉及数据处理领域，尤其涉及一种房价预测模型的生成方法、装置、设备及存储介质。
技术介绍
目前，业内对房地产的模型研究以当前价格为重点，没有预测成交均价的前瞻预测模型，无法解决需求端对未来成交均价的风险管理，资产配置等需求，但是由于房地产受到宏观调控影响较大，许多定性的指标在市面上的模型中常常被忽略，无法全面的在模型中体现出来，导致模型计算出的预测结果会有偏颇。
技术实现思路
本专利技术的主要目的在于提出一种房价预测模型的生成方法、装置、设备及存储介质，旨在提高房价预测模型的准确性。为实现上述目的，本专利技术提供一种房价预测模型的生成方法，所述房价预测模型的生成方法包括以下步骤：获取待建立房价预测模型的参数信息，其中，所述参数信息包括宏观经济指标信息、中观经济指标信息以及风俗文化信息；根据所述宏观经济指标信息、中观经济指标信息以及风俗文化信息建立多个原始房价预测模型；通过预设机器学习算法对所述多个原始房价预测模型进行训练，得到各个原始房价预测模型对应的预测结果；将所述预测结果进行对比，根据对比结果按照预设规则从所述原始房价预测模型中选择出目标房价预测模型。优选地，所述获取待建立房价预测模型的参数信息，包括：获取外部数据接口信息，通过所述外部数据接口信息连接预设数据库，从预设数据库查询当前的宏观经济指标信息、中观经济指标信息以及风俗文化信息；将所述当前的宏观经济指标信息、中观经济指标信息以及风俗文化信息作为所述待建立房价预测模型的参数信息。优选地，所述根据所述宏观经济指标信息、中观经济指标信息以及风俗文化信息建立多个原始房价预测模型之前，所述方法还包括：获取所述参数信息中的各个历史指标信息，在预设时间段内统计所述历史指标信息的指标趋势；提取所述指标趋势中的预设指标信息，将所述预设指标信息补入所述历史指标信息中，生成更新后的指标信息，将更新后的指标信息作为所述参数信息。优选地，所述预设机器学习算法包括线性回归算法、Lasso回归算法、Ridge回归算法、随机森林算法、支持向量机以及迭代决策树中至少一项。优选地，所述将所述预测结果进行对比，根据对比结果按照预设规则从所述原始房价预测模型中选择出目标房价预测模型，包括：获得所述原始房价预测模型的预测值和实际值，将预测值和实际值通过均方根误差进行对比，得到各个模型对应的均方根误差值；将所述均方根误差值进行排序，选取预设均方根误差值对应的模型为所述目标房价预测模型。优选地，所述将所述预测结果进行对比，根据对比结果按照预设规则从所述原始房价预测模型中选择出目标房价预测模型之后，所述方法还包括：获取调整指令，提取所述调整指令中的候选参数，通过网格搜索算法将所述候选参数进行重新组合，将组合后的参数输入所述目标房价预测模型进行训练，得到参考房价预测模型；将所述参数组合输入所述参考房价预测模型进行预测，得到参考预测结果；通过预设评分机制对所述参考预测结果进行评分，选取预设评分对应的参考房价预测模型为调整后的房价预测模型。优选地，所述预设评分机制为决策树；所述通过预设评分机制对所述参考预测结果进行评分，选取预设评分对应的参考房价预测模型为调整后的房价预测模型，包括：将样本数据中预设份数作为验证集，其他份数作为训练集，将所述验证集得到的真实值与所述训练集得到的预测值的偏差进行评分，得到第一评分结果；对所述预设份数进行调整，再进行评分，得到第二评分结果，选取所述第一评分结果和第二评分结果中预设评分结果，将所述预设评分结果对应的参考房价预测模型作为调整后的房价预测模型。此外，为实现上述目的，本专利技术还提出一种房价预测模型的生成装置，其特征在于，所述房价预测模型的生成装置包括：获取模块，用于获取待建立房价预测模型的参数信息，其中，所述参数信息包括宏观经济指标信息、中观经济指标信息以及风俗文化信息；建立模块，用于根据所述宏观经济指标信息、中观经济指标信息以及风俗文化信息建立多个原始房价预测模型；训练模块，用于通过预设机器学习算法对所述多个原始房价预测模型进行训练，得到各个原始房价预测模型对应的预测结果；对比模块，用于将所述预测结果进行对比，根据对比结果按照预设规则从所述原始房价预测模型中选择出目标房价预测模型。此外，为实现上述目的，本专利技术还提出一种设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的房价预测模型的生成程序，所述房价预测模型的生成程序配置为实现如上所述的房价预测模型的生成方法的步骤。此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有房价预测模型的生成程序，所述房价预测模型的生成程序被处理器执行时实现如上文所述的房价预测模型的生成方法的步骤。本专利技术提出的房价预测模型的生成方法，通过获取待建立房价预测模型的参数信息，其中，所述参数信息包括宏观经济指标信息、中观经济指标信息以及风俗文化信息；根据所述宏观经济指标信息、中观经济指标信息以及风俗文化信息建立多个原始房价预测模型；通过预设机器学习算法对所述多个原始房价预测模型进行训练，得到各个原始房价预测模型对应的预测结果；将所述预测结果进行对比，根据对比结果按照预设规则从所述原始房价预测模型中选择出目标房价预测模型，将宏观经济指标信息、中观经济指标信息以及风俗文化信息作为模型的建立指标，摆脱传统的根据区域建立的房产预测模型，并打通数据壁垒，更多方位的实现房价预测，尽量量化人为因素导致的模型偏差，从而提高房价预测的准确性。附图说明图1是本专利技术实施例方案涉及的硬件运行环境的设备结构示意图；图2为本专利技术房价预测模型的生成方法第一实施例的流程示意图；图3为本专利技术房价预测模型的生成方法第二实施例的流程示意图；图4为本专利技术房价预测模型的生成方法第三实施例的流程示意图；图5为本专利技术房价预测模型的生成装置第一实施例的功能模块示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。参照图1，图1为本专利技术实施例方案涉及的硬件运行环境的设备结构示意图。如图1所示，该设备可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如按键，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及房价预测模型的生成程序。在图1所示的设备中，网络接口1004主要用于连接外网，与其他网络设备进行数据通信；用户接口1003主要用于连接用本文档来自技高网...

【技术保护点】
1.一种房价预测模型的生成方法，其特征在于，所述房价预测模型的生成方法包括：获取待建立房价预测模型的参数信息，其中，所述参数信息包括宏观经济指标信息、中观经济指标信息以及风俗文化信息；根据所述宏观经济指标信息、中观经济指标信息以及风俗文化信息建立多个原始房价预测模型；通过预设机器学习算法对所述多个原始房价预测模型进行训练，得到各个原始房价预测模型对应的预测结果；将所述预测结果进行对比，根据对比结果按照预设规则从所述原始房价预测模型中选择出目标房价预测模型。

【技术特征摘要】
1.一种房价预测模型的生成方法，其特征在于，所述房价预测模型的生成方法包括：获取待建立房价预测模型的参数信息，其中，所述参数信息包括宏观经济指标信息、中观经济指标信息以及风俗文化信息；根据所述宏观经济指标信息、中观经济指标信息以及风俗文化信息建立多个原始房价预测模型；通过预设机器学习算法对所述多个原始房价预测模型进行训练，得到各个原始房价预测模型对应的预测结果；将所述预测结果进行对比，根据对比结果按照预设规则从所述原始房价预测模型中选择出目标房价预测模型。2.如权利要求1所述的房价预测模型的生成方法，其特征在于，所述获取待建立房价预测模型的参数信息，包括：获取外部数据接口信息，通过所述外部数据接口信息连接预设数据库，从预设数据库查询当前的宏观经济指标信息、中观经济指标信息以及风俗文化信息；将所述当前的宏观经济指标信息、中观经济指标信息以及风俗文化信息作为所述待建立房价预测模型的参数信息。3.如权利要求1所述的房价预测模型的生成方法，其特征在于，所述根据所述宏观经济指标信息、中观经济指标信息以及风俗文化信息建立多个原始房价预测模型之前，所述方法还包括：获取所述参数信息中的各个历史指标信息，在预设时间段内统计所述历史指标信息的指标趋势；提取所述指标趋势中的预设指标信息，将所述预设指标信息补入所述历史指标信息中，生成更新后的指标信息，将更新后的指标信息作为所述参数信息。4.如权利要求1至3中任一项所述的房价预测模型的生成方法，其特征在于，所述预设机器学习算法包括线性回归算法、Lasso回归算法、Ridge回归算法、随机森林算法、支持向量机以及迭代决策树中至少一项。5.如权利要求1至3中任一项所述的房价预测模型的生成方法，其特征在于，所述将所述预测结果进行对比，根据对比结果按照预设规则从所述原始房价预测模型中选择出目标房价预测模型，包括：获得所述原始房价预测模型的预测值和实际值，将预测值和实际值通过均方根误差进行对比，得到各个模型对应的均方根误差值；将所述均方根误差值进行排序，选取预设均方根误差值对应的模型为所述目标房价预测模型。6.如权利要求1至3中任一项所述的房价预测模型的生成方法，其特征在于，所述将所述预测结果...

【专利技术属性】
技术研发人员：郑来良，
申请(专利权)人：平安城市建设科技深圳有限公司，
类型：发明
国别省市：广东,44