[发明专利]房屋价值预测方法、装置、计算机设备和存储介质

权利要求书

1.一种房屋价值预测方法，所述方法包括：

获取房屋价值初始指标数据以及房屋价值数据；

对所述房屋价值初始指标数据进行缺失填补处理，得到缺失填补处理后的房屋价值初始指标数据；

根据预设变频规则对所述缺失填补处理后的房屋价值初始指标数据进行变频处理，得到变频处理后的数据；

根据所述变频处理后的数据以及所述房屋价值数据，得到样本数据集；

根据所述样本数据集分别对不同预测时长对应的预设房屋价值预测模型集合进行训练，得到不同预测时长对应的房屋价值预测模型，其中，单个预测时长对应的预设房屋价值预测模型集合包括多个预设房屋价值预测模型；

获取待预测房屋价值时长，将所述待预测房屋价值时长与所述房屋价值预测模型对应的预测时长进行匹配，通过匹配的预测时长对应的房屋价值预测模型进行房屋价值预测。

2.根据权利要求1所述的方法，其特征在于，所述根据预设变频规则对所述缺失填补处理后的房屋价值初始指标数据进行变频处理，得到变频处理后的数据，包括：

获取所述缺失填补处理后的房屋价值初始指标数据中的季度指标数据以及年度指标数据；

通过线性插值的方法将所述季度指标数据以及所述年度指标数据分别转化为月度数据。

3.根据权利要求1所述的方法，其特征在于，所述根据所述样本数据集分别对不同预测时长对应的预设房屋价值预测模型集合进行训练，得到不同预测时长对应的房屋价值预测模型，包括：

根据所述样本数据集分别对不同预测时长对应的预设房屋价值预测模型集合进行训练，获取各预测时长对应的预设房屋价值预测模型集合中房屋价值预测模型的误差；

分别选取各预设房屋价值预测模型集合中误差最小的房屋价值预测模型作为不同预测时长对应的房屋价值预测模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述样本数据集分别对不同预测时长对应的预设房屋价值预测模型集合进行训练，获取各预测时长对应的预设房屋价值预测模型集合中房屋价值预测模型的误差，包括：

对所述样本数据集的数据进行分组，分成训练数据集和测试数据集；

对所述训练数据集的分组数据通过预设房屋价值预测模型集合进行训练，得到已训练的房屋价值预测模型集合；

将测试数据集中的分组数据分别输入至已训练的房屋价值预测模型集合中的各房屋价值预测模型，得到所述各房屋价值预测模型的误差。

5.根据权利要求1所述的方法，其特征在于，所述对所述房屋价值初始指标数据进行缺失填补处理，得到缺失填补处理后的房屋价值初始指标数据之前还包括：

获取房屋价值初始指标数据中各指标子数据的缺失率；

所述对所述房屋价值初始指标数据进行缺失填补处理，得到缺失填补处理后的房屋价值初始指标数据，包括：

当指标子数据的缺失率小于或等于预设值时，对所述指标子数据进行填补处理，得到缺失填补处理后的房屋价值初始指标数据。

6.根据权利要求5所述的方法，其特征在于，所述当指标子数据的缺失率小于或等于预设值时，对所述指标子数据进行填补处理，包括：

当指标子数据的缺失率小于或等于30％且所述指标子数据为月度周期性缺失时，判断所述指标子数据是否为当月发生值；

当所述指标子数据为当月发生值时，以所述指标子数据中首月数据对所述指标子数据中数据缺失月份进行填补处理。

7.根据权利要求5所述的方法，其特征在于，所述获取房屋价值初始指标数据中各指标子数据的缺失率之后还包括：

当指标子数据的缺失率大于预设值时，剔除所述指标子数据。