利用机器学习预测芝加哥郊区房价并分析房地产市场
机器学习
2022-10-13 v1
摘要
房产定价由多种因素决定。然而，后疫情时代的市场在芝加哥郊区经历了波动，极大地影响了房价。本研究对 Naperville/Bolingbrook 房地产市场进行了分析，通过机器学习模型基于这些住房属性预测房产价格，并评估此类模型在波动市场环境中的有效性。从房地产网站 Redfin 收集数据，获取了 2018 年至 2022 年夏季的销售数据用于研究。通过分析这一时间段内的销售情况，我们还可以观察住房市场的状况并识别价格趋势。对于数据建模，使用的模型包括线性回归、支持向量回归、决策树回归、随机森林回归和 XGBoost 回归。为分析结果，对各模型的 MAE、RMSE 和 R-squared 值进行了比较。研究发现，尽管后疫情条件带来了额外波动，XGBoost 模型在预测房价方面表现最佳。建模后，使用 Shapley 值（SHAP）评估变量在构建模型中的权重。
引用
@article{arxiv.2210.06261,
title = {Predicting housing prices and analyzing real estate market in the Chicago suburbs using Machine Learning},
author = {Kevin Xu and Hieu Nguyen},
journal= {arXiv preprint arXiv:2210.06261},
year = {2022}
}