一种房地产估值方法、装置、终端以及可读存储介质制造方法及图纸

本发明专利技术涉及房地产估值技术领域，公开了一种房地产估值方法、装置、终端以及可读存储介质；其中，该方法包括：获取目标房地产所处区域的路网信息；根据路网信息将目标房地产所处区域划分为多个目标区域；获取每个目标区域的房地产历史估值以及影响房地产历史估值的第一特征数据；根据机器学习算法对至少一部分的目标区域的房地产历史估值和第一特征数据进行学习，得到用于估算房地产价值的第一房地产估值模型；根据第一房地产估值模型以及待估值区域的第一特征数据，得到待估值区域的第一房地产估值；上述提供的一种房地产估值方法，通过路网划分区域的方式使房地产估值更准确。

【技术实现步骤摘要】
一种房地产估值方法、装置、终端以及可读存储介质
本专利技术涉及房地产估值
，尤其涉及一种房地产估值方法、装置、终端以及可读存储介质。
技术介绍
房地产估值主要用于衡量房地产的价值，影响房地产估值的因素是多方面的，包括地价、周边的环境，该区域的人均工资水平等。目前主要有两种对房地产进行估值的方法，一种是参考周边房价来给新的房地产项目定价，另外一种方法是根据模型预测的价格来给房地产定价，但是目前很多新的房地产项目周边是没有可参考项目的，所以为了给房地产项目一个合理定价，我们使用模型预测的方式予以定价。现有技术中，市场上常用的房地产估值模型经常将房地产区域划分为规则的正方形或者正六边形，再参考所划分出的正方形或者正六边形区域的已有房地产价值对新的房地产项目进行估值，但是这种划分没有考虑交通路网对房价的影响，容易导致研究精度的下降。
技术实现思路
本专利技术的目的在于提供一种房地产估值方法、装置、终端以及可读存储介质，旨在解决现有技术中，市场上常用的房地产估值模型在划分区域时没有考虑交通路网对房价的影响，容易导致研究精度下降的问题。第一方面，本专利技术实施例提供了一种房地产估值方法，包括：获取目标房地产所处区域的路网信息；根据所述路网信息将所述目标房地产所处区域划分为多个目标区域；获取每个所述目标区域的房地产历史估值以及影响所述房地产历史估值的第一特征数据；根据机器学习算法对至少一部分的所述目标区域的所述房地产历史估值和所述第一特征数据进行学习，得到用于估算房地产价值的第一房地产估值模型；根据所述第一房地产估值模型以及待估值区域的所述第一特征数据，得到待估值区域的第一房地产估值。在一些实施方式中，在所述根据机器学习算法对至少一部分的所述目标区域的所述房地产历史估值和所述第一特征数据进行学习，得到用于估算房地产价值的第一房地产估值模型之前，所述方法还包括：对所述第一特征数据进行数据处理，得到第二特征数据；将所述第二特征数据添加到所述第一特征数据之中。在一些实施方式中，所述根据机器学习算法对至少一部分的所述目标区域的所述房地产历史估值和所述第一特征数据进行学习，得到用于估算房地产价值的第一房地产估值模型，具体包括：将一部分目标区域的所述房地产历史估值以及所述第一特征数据设定为第一训练集；根据所述机器学习算法对所述第一训练集进行学习，得到用于估算房地产价值的所述第一房地产估值模型。在一些实施方式中，在所述根据所述机器学习算法对所述第一训练集进行学习，得到用于估算房地产价值的所述第一房地产估值模型之后，所述方法还包括：将其余部分的目标区域的所述房地产历史估值以及所述第一特征数据设定为第一验证集；对所述第一验证集中的全部所述第一特征数据应用所述第一房地产估值模型进行运算，得出对应的第一计算值，将所述第一计算值分别与所述第一特征数据对应的所述房地产历史估值作对比，得到误差值；调整所述第一房地产估值模型的参数，使得所述误差值达到误差允许范围内。在一些实施方式中，在所述调整所述第一房地产估值模型的参数，使得所述误差值达到误差允许范围内之后，所述方法还包括：依次选取全部目标区域中的部分目标区域的所述房地产历史估值和所述第一特征数据设定为若干个第二训练集，所述若干个第二训练集中的数据互不完全相同且都与所述第一训练集中的数据不完全相同；根据所述机器学习算法对若干个所述第二训练集进行学习，得到若干个第二房地产估值模型。在一些实施方式中，在所述根据所述机器学习算法对若干个所述第二训练集进行学习，得到若干个第二房地产估值模型之后，还包括：将全部目标区域的所述房地产历史估值和所述第一特征数据分别排除掉若干个所述第二训练集中的数据所剩余的数据分别设定为若干个第二验证集；对所述第二验证集中的所述第一特征数据应用所述第二房地产估值模型，得出对应的第二计算值，将所述第二计算值分别与所述第一特征数据对应的所述房地产历史估值作对比，得到所述误差值；调整所述第二房地产估值模型的参数，使得所述误差值达到误差允许范围内。在一些实施方式中，在所述调整所述第二房地产估值模型的参数，使得所述误差值达到误差允许范围内之后，还包括：将所述第一房地产估值模型以及全部的所述第二房地产估值模型进行模型融合，得到第三房地产估值模型。第二方面，本实施例提供一种房地产估值装置，包括：第一获取单元，用于获取目标房地产所处区域的路网信息；划分单元，用于根据所述路网信息将所述目标房地产所处区域划分为多个目标区域；第二获取单元，用于获取每个所述目标区域的房地产历史估值以及影响所述房地产历史估值的第一特征数据；学习单元，用于根据机器学习算法对至少一部分的所述目标区域的所述房地产历史估值和所述第一特征数据进行学习，得到用于估算房地产价值的第一房地产估值模型；估值单元，用于根据所述第一房地产估值模型以及待估值区域的所述第一特征数据，得到待估值区域的第一房地产估值。第三方面，本申请实施例提供的一种终端，包括存储器和处理器；所述存储器存储有计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现上面所述的一种房地产估值方法。第四方面，本申请实施例提供的一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现上面所述的一种房地产估值方法。与现有技术相比，本专利技术主要有以下有益效果：上述提供的一种房地产估值方法，通过获取目标房地产所处区域的路网信息；根据路网信息将目标房地产所处区域划分为多个目标区域；获取每个目标区域的房地产历史估值以及影响房地产历史估值的第一特征数据；根据机器学习算法对至少一部分的目标区域的房地产历史估值和第一特征数据进行学习，得到用于估算房地产价值的第一房地产估值模型；根据第一房地产估值模型以及待估值区域的第一特征数据，得到待估值区域的第一房地产估值。通过路网划分区域的方式使这一方法产生的房地产估值更准确；另外，使用者通过这一方法不仅可以对房地产项目进行更精准的估值，还可以对地块进行估值，方便探索潜在优质地块。附图说明图1是本专利技术第一实施例提供的一种房地产估值方法的流程示意图；图2是本专利技术第一实施例提供的一种房地产估值方法中步骤S60的流程示意图；图3是本专利技术第二实施例提供的一种房地产估值方法的流程示意图；图4是本专利技术第三实施例提供的一种房地产估值方法的流程示意图；图5是本专利技术第四实施例提供的一种房地产估值方法的流程示意图；图6是本专利技术第一实施例提供的一种房地产估值装置的结构示意性框图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。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。本文档来自技高网...

【技术保护点】
1.一种房地产估值方法，其特征在于，包括：/n获取目标房地产所处区域的路网信息；/n根据所述路网信息将所述目标房地产所处区域划分为多个目标区域；/n获取每个所述目标区域的房地产历史估值以及影响所述房地产历史估值的第一特征数据；/n根据机器学习算法对至少一部分的所述目标区域的所述房地产历史估值和所述第一特征数据进行学习，得到用于估算房地产价值的第一房地产估值模型；/n根据所述第一房地产估值模型以及待估值区域的所述第一特征数据，得到待估值区域的第一房地产估值。/n

【技术特征摘要】
1.一种房地产估值方法，其特征在于，包括：
获取目标房地产所处区域的路网信息；
根据所述路网信息将所述目标房地产所处区域划分为多个目标区域；
获取每个所述目标区域的房地产历史估值以及影响所述房地产历史估值的第一特征数据；
根据机器学习算法对至少一部分的所述目标区域的所述房地产历史估值和所述第一特征数据进行学习，得到用于估算房地产价值的第一房地产估值模型；
根据所述第一房地产估值模型以及待估值区域的所述第一特征数据，得到待估值区域的第一房地产估值。


2.如权利要求1所述的一种房地产估值方法，其特征在于，在所述根据机器学习算法对至少一部分的所述目标区域的所述房地产历史估值和所述第一特征数据进行学习，得到用于估算房地产价值的第一房地产估值模型之前，所述方法还包括：
对所述第一特征数据进行数据处理，得到第二特征数据；将所述第二特征数据添加到所述第一特征数据之中。


3.如权利要求1所述的一种房地产估值方法，其特征在于，所述根据机器学习算法对至少一部分的所述目标区域的所述房地产历史估值和所述第一特征数据进行学习，得到用于估算房地产价值的第一房地产估值模型，具体包括：
将一部分目标区域的所述房地产历史估值以及所述第一特征数据设定为第一训练集；
根据所述机器学习算法对所述第一训练集进行学习，得到用于估算房地产价值的所述第一房地产估值模型。


4.如权利要求3所述的一种房地产估值方法，其特征在于，在所述根据所述机器学习算法对所述第一训练集进行学习，得到用于估算房地产价值的所述第一房地产估值模型之后，所述方法还包括：
将其余部分的目标区域的所述房地产历史估值以及所述第一特征数据设定为第一验证集；
对所述第一验证集中的全部所述第一特征数据应用所述第一房地产估值模型进行运算，得出对应的第一计算值，将所述第一计算值分别与所述第一特征数据对应的所述房地产历史估值作对比，得到误差值；
调整所述第一房地产估值模型的参数，使得所述误差值达到误差允许范围内。


5.如权利要求4所述的一种房地产估值方法，其特征在于，在所述调整所述第一房地产估值模型的参数，使得所述误差值达到误差允许范围内之后，所述方法还包括：
依次选取全部目标区域中的部分目标区域的所述房地产历史估值和所述...

【专利技术属性】
技术研发人员：郑永祥，郑笙桦，
申请(专利权)人：深圳禾略贝塔信息科技有限公司，
类型：发明
国别省市：广东;44