[发明专利]一种基于分层聚类方法的价值评估算法及其操作方法

权利要求书

1.一种基于分层聚类方法的价值评估算法，其特征在于，包括特征工程模块、指标体系构建模块、分类建模模块，其中：

特征工程模块，包括对原始数据依次进行指标分类、缺失值补全、数据编码、数据标准化，具体来说是将历史数据的指标划分为不同类型，形成用于本方法估算的信息数据库，并进行补全、标准化的预处理；

指标体系构建模块：对不同类型的指标进行相关性分析，对不相应的数据指标进行删除；散点图分析，根据分析结果确定指标平方项；指标间的共线性分析，基于分析结果对指标进行合并、删除、构建平方项与交互项操作，并结合AIC准则筛选建立评价指标体系，若预测精度达到要求则输出最终模型，若不符合要求，则保留该基础指标体系进入分类建模模块；

分类建模模块：如若指标体系构建模块计算出的最终模型仍不符合精度要求，则对于所有类别型数据进行ANOVA分析，利用关键的类别型指标将数据进行聚类，在基本模型的基础上，类内再次调用指标体系构建模块，以反映类内标的物的价值特征，对于仍不符合精度要求的分类数据，则在此分类内重复上述过程，实现多层分类，直至全部类别数据均达到精度要求。

2.根据权利要求1所述的基于分层聚类方法的价值评估算法，其特征在于：所述特征工程模块中录入的信息包括标的价值及其对应的各个相关指标值，其中所述录入信息包括周边交通、商业、医疗、金融、消费的指标数据。

3.根据权利要求1所述的基于分层聚类方法的价值评估算法，其特征在于：所述特征工程模块录入的信息通过电脑或手机或平板终端。

4.根据权利要求1所述的基于分层聚类方法的价值评估算法，其特征在于：所述指标体系构建模块包括对不同类型的指标进行相关性分析、强相关指标筛选，构建平方项与交互项建立二价数据集等操作，并结合AIC准则筛选建立评价指标体系。

5.根据权利要求1所述的基于分层聚类方法的价值评估算法，其特征在于：所述分类建模模块包括在基本模型未达到预期精度要求的前提下，为体现不同类别样本的特征，对于所有类别型数据进行ANOVA分析，利用关键的类别型指标将数据进行聚类，在基本模型的基础上，类内再次调用指标体系构建模块，以反映类内标的物的价值特征，对于仍不符合精度要求的分类数据，则在此分类内重复上述过程，实现多层分类，直至全部类别数据均达到精度要求。

6.根据权利要求1-5任一项所述的基于分层聚类方法的价值评估算法的操作方法，其特征在于；包括如下步骤：

步骤一：录入真实的历史数据，包括标的物价值以及相对应的涵盖各方面的标的物相关指标，其中标的物相关指标包括：土地价格以及相对应的涵盖地块周边交通、商业、医疗、金融、消费的指标数据；

步骤二：系统接收录入的数据后，调用特征工程模块，将历史数据的指标划分为不同类型，其中类型包括：划分为质量指标、数量指标及混合指标，并进行预处理；

步骤三：系统调用指标体系构建模块，对不同类型的指标进行合并、提取、删除、构建平方项等操作，并结合AIC准则利用stepwise regression方法形成基础的指标体系；

步骤四：系统调用分类建模模块，对数据进行聚类，并结合类内最能反应标的物价值特征的指标进行类内分层建模。

7.根据权利要求6所述的基于分层聚类方法的价值评估算法的操作方法，其特征在于，所述步骤二中预处理包括如下步骤：

第一步：对距离指标、绿化率、土地面积指标以均值补全缺失值；对距景区距离指标以最大值补全缺失值；对数量指标以0值补全缺失值；对容积率以值1补全缺失值；

第二步：对房屋类型、物业等级指标进行One-Hot-Encoding编码；

第三步：对数据进行标准化，计算公式如下：x^*＝(x-μ)/σ。