何种图像特征可提升房地产市场预测？
计算机视觉与模式识别
2021-07-16 v1 机器学习
摘要
房产的吸引力是最有趣却也最具挑战性的建模类别之一。图像特征被用于描述某些属性，并考察视觉因素对挂牌价格或周期的影响。本文提出一组用于提取视觉特征的技术，以便高效地以数值形式纳入现代预测算法。我们讨论了香农熵、计算重心、图像分割以及使用卷积神经网络（Convolutional Neural Networks）等技术。将这些技术应用于一组房产相关图像（室内、室外与卫星）后，我们得出以下结论：(i) 熵是房价预测中最有效的单位数视觉度量；(ii) 图像分割是住房寿命预测中最重要的视觉特征；(iii) 深度图像特征可用于量化室内特征并有助于吸引力建模。此处筛选的 40 个图像特征具有显著的预测能力，并优于某些最强的元数据预测因子。无需在房产评估流程中取代人类专家，我们得出结论：本文提出的技术能有效描述可见特征，从而将感知吸引力作为定量度量引入住房预测建模。
引用
@article{arxiv.2107.07148,
title = {What Image Features Boost Housing Market Predictions?},
author = {Zona Kostic and Aleksandar Jevremovic},
journal= {arXiv preprint arXiv:2107.07148},
year = {2021}
}