一种基于机器学习与大数据的租金智能评估方法与装置制造方法及图纸

本发明专利技术公开了一种基于机器学习与大数据的租金智能评估方法与装置。包括如下步骤：获取数据，数据清洗，基于GBDT回归计算小区指数，计算基准价与修正系数，算出租金估值。本发明专利技术优化了传统测算租金的方式，大数据的使用极大地提高了对比法的准确性，指标体系的优化同样极大地提升了模型可信度；基于对比法和机器学习建立的模型，将大数据引入到模型中，再将此结果输送到网站中，并进行定期更新，便于房主查询自己房子的参考出租价格，也便于租户对意向租房的租金有所了解。向租房的租金有所了解。向租房的租金有所了解。

【技术实现步骤摘要】
一种基于机器学习与大数据的租金智能评估方法与装置


[0001]本专利技术涉及租金管理
，具体涉及一种基于机器学习与大数据的租金智能评估方法与装置。

技术介绍

[0002]随着我国经济社会的快速发展，城镇化发展迅速，城市发展由增量时代进入存量时代。房地产市场也正快速调整以适应存量时代的发展，房地产租赁以及租赁行为将成为房地产资产管理的重要形式，因此租金的评估的需求日益增加。亟需建立一套适用性、科学性与操作性较强的住宅租赁价格评估体系，不仅可以在培育住房租赁市场的背景下，为租赁住房供应主体提供出租价格确定依据，从而为解决租赁纠纷问题提供参考，同时也可为缴纳房产租赁税提供依据，进一步为政府制定保障性住房的租金补偿标准提供参考。
[0003]目前在租金评估实践方面多采用了传统的比较法、收益法和成本法。比较法是选取一定数量的可比实例，将他们与估价对象进行比较得到他们的差异，基于此对可比实例成交价格进行处理后得到租金估价的方法。比较法是在估价对象所在的房地产已经较为成熟且具有足够多的成交信息的基础上开展评估工作。收益法是预测评估对象的未来收益本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习与大数据的租金智能评估方法，其特征在于，包括如下步骤：(1)获取数据；(2)数据清洗，包括静态清洗和动态清洗；所述静态清洗是指依据挂牌案例自身的离散程度进行数据的筛选；所述动态清洗是指计算挂牌案例归一化价格NP，并计算小区标准价的归一化价格的均值NPM，清洗在区间[NPM/1.3,NPM*1.3]之外的挂牌案例；(3)基于GBDT回归计算小区指数；(4)计算基准价与修正系数，算出租金估值。2.根据权利要求1所述基于机器学习与大数据的租金智能评估方法，其特征在于，所述数据包括挂牌案例、成交案例、评估价、基准价、小区指数、城市指数、小区评分、小区表、相似小区表。3.根据权利要求1所述基于机器学习与大数据的租金智能评估方法，其特征在于，所述在计算小区指数时，通过分层方法，先计算城市指数、行政区指数，并进行案例填充，最后计算小区指数。4.根据权利要求3所述基于机器学习与大数据的租金智能评估方法，其特征在于，在面对行政区指数或小区指数在某些月份缺失的情况，使用上级指数进行填充；即缺失的行政区指数用城市指数填充，缺失的小区指数用行政区指数填充。5.根据权利要求3所述基于机器学习与大数据的租金智能评估方法，其特征在于，所述小区指数的计算方法为：首先将初始数据中随机抽样80％作为训练集，用此来构建GBDT模型，采用剩下的20％的数据验证模型的...

【专利技术属性】
技术研发人员：翟猛，
申请(专利权)人：北京国信达数据技术有限公司，
类型：发明
国别省市：