|
|
1.
基于集成LightGBM和贝叶斯优化策略的房价智能评估模型
顾桐, 许国良, 李万林, 李家浩, 王志愿, 雒江涛
计算机应用
2020, 40 (9):
2762-2767.
DOI: 10.11772/j.issn.1001-9081.2019122249
针对传统房价评估方法中存在的数据源单一、过分依赖主观经验、考虑因素理想化等问题，提出一种基于多源数据和集成学习的智能评估方法。首先，从多源数据中构造特征集，并利用Pearson相关系数与序列前向选择法提取最优特征子集；然后，基于构造的特征，以Bagging集成策略作为结合方法集成多个轻量级梯度提升机（LightGBM），并利用贝叶斯优化算法对模型进行优化；最后，将该方法应用于房价评估问题，实现房价的智能评估。在真实的房价数据集上进行的实验表明，相较于支持向量机（SVM）、随机森林等传统模型，引入集成学习和贝叶斯优化的新模型的评估精度提升了3.15%，并且百分误差在10%以内的评估结果占比84.09%。说明所提模型能够很好地应用于房价评估领域，得到的评估结果更准确。
参考文献 |
相关文章 |
多维度评价
|
|
