[发明专利]房屋价值预测方法、装置、计算机设备和存储介质

说明书

本申请涉及人工智能预测之机器学习技术领域，应用于房地产行业，特别是涉及一种房屋价值预测方法、装置、计算机设备和存储介质。一个实施例中的方法包括：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，再根据预设变频规则对缺失填补处理后的数据进行变频处理，得到变频处理后的数据，根据变频处理后的数据以及房屋价值数据，得到样本数据集，根据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，获取待预测房屋价值时长，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。

技术领域

本申请涉及人工智能预测技术领域，特别是涉及一种房屋价值预测方法、装置、计算机设备和存储介质。

背景技术

房屋价值与人们的生活息息相关，房屋价值问题作为影响国计民生的重要问题之一，涉及很多方面，比如政府部门、房地产开放商、购房消费者等。政府部门在制定房地产市场相关政策时，可以参考不同地区的房屋价值走势预测，制定针对性强收效高的措施；房地产开发商可以参考房屋价值走势预测，制定出有利于市场稳定可持续性发展的计划。因此，房屋价值的走势预测具有实际重要意义。

传统的房屋价值走势评估依靠评估人员的知识和经验，房屋价值评估工作一方面历史数据杂乱无章，另一方面基于千篇一律的策略对房屋价值进行预测，灵活性低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够将数据标准化以及提高灵活性的房屋价值预测方法、装置、计算机设备和存储介质。

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。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，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：