基于Stacking集成学习的Lasso-GBDT组合房价预测模型研究

摘要：

房地产行业是我国国民经济的重要组成部分,关乎国计民生.房价预测的准确性与稳定性,对政府、开发商和广大市民均具有重要的现实意义.本文利用网络爬虫方法获取银川市2015年4月至2021年3月安居客房产信息服务平台样本住宅价格数据,分别利用Lasso模型和梯度提升决策树(GBDT)模型对银川市房价进行预测;综合两种预测方法的优点,建构基于Stacking集成学习的Las-so-GBDT组合回归预测模型.通过实例预测结果比较,组合预测模型预测精度均在0.98以上,能有效避免病态数据对拟合程度的影响,较单项预测模型有更高的准确性和稳定性.

关键词：房价预测、Lasso回归、GBDT模型、Stacking集成学习

分类号：F23(会计)

资助基金：全国统计科学研究项目;宁夏哲学社会科学规划项目;服务国家战略服务民族工作重大现实问题研究项目;北方民族大学研究生创新资助项目

在线出版日期：2023-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：75-77,81