利用机器学习识别房地产市场中的投资机会

房地产市场由于与许多变量存在相关性而面临诸多价格波动，其中一些变量无法控制甚至可能为未知因素。房价可能迅速上涨（或在某些情况下也快速下跌），然而在线出售或出租房屋的众多 listings 不太可能经常更新。在某些情况下，有意出售房屋（或公寓）的个人可能将其发布于某在线 listing 中，却忘记更新价格。在其他情况下，一些个人可能出于各种原因有意将价格设定低于市场价以更快售出房屋。本文旨在开发一款机器学习应用，实时识别房地产市场中的投资机会，即挂牌价格大幅低于市场价的房屋。该程序对关注住房市场的投资者有用。我们聚焦于一个用例，考虑位于西班牙马德里 Salamanca 区、发布于最相关的西班牙房屋买卖与租赁在线站点的房地产资产。该应用被形式化地实现为一个回归问题，试图根据从公开在线 listings 获取的特征估算房屋的市场价格。为构建此应用，我们进行了特征工程阶段以发现相关特征，从而实现较高的预测性能。我们测试了多种机器学习算法，包括回归树、k近邻、支持向量机和神经网络，并指出了各自的优缺点。