[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

说明书

本发明公开了一种基于分层聚类方法的价值评估算法及其操作方法，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：将历史数据的指标划分为不同类型，并进行补全、编码、标准化等预处理；指标体系构建模块：对不同类型的指标进行相关性分析、指标间的共线性分析等，基于分析结果对指标进行合并、删除、构建平方项与交互项等操作；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，本发明以地价估计为实例，通过实际的地价相关数据，并创造性的引入指标的非线性关系和交互关系，调用预测算法，科学估计土地价值，拟合优度提升显著，为消费者与供应商提供科学参考。

技术领域

本发明涉及数据预测技术领域，具体为一种基于分层聚类方法的价值评估算法及其操作方法。

背景技术

价值评估应用范围广泛，以本专利的实例土地价值评估为例，土地价格是当今社会最关注的热点问题之一。地产市场的稳定关系到国计民生，地价的高涨不但会加重居民的生活负担，也会造成一系列负面社会效应。为此，自2010年起，我国政府不断加大调控力度，连续出台相关政策。随着日益趋紧的调控政策的颁布，过快上涨趋势得到一定程度的遏制。但受政策和市场预期等因素的影响，未来地价走势仍存在很大的不确定性，无论作为买方的消费者还是作为卖方的开发商都难以作出下一步决策。因此，结合当前的经济形势，采用合适的数学模型，对土地价格做出准确预测是我们亟待解决的问题。

除此之外，价值评估方法还可应用于大宗商品等其他标的物，而标的物的价值评估是一个复杂的系统工程，它涉及到不同方面的一系列因素。传统的计量模型拟合效果往往无法保证，而机器学习算法虽然提高了拟合效果，但由于是一种黑箱算法，降低了模型的可解释性。

基于此，本发明设计了一种基于分层聚类方法的价值评估算法，以解决上述提到的问题。

发明内容：一种基于分层聚类方法的价值评估算法，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，将历史数据的指标划分为不同类型，并进行补全、编码、标准化等预处理；

指标体系构建模块：对不同类型的指标进行相关性分析、指标间的共线性分析等，基于分析结果对指标进行合并、删除、构建平方项与交互项等操作，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。

优选的，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。

优选的，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。

优选的，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、指标间的共线性分析等，基于分析结果对指标进行合并、删除、构建平方项与交互项等操作，并结合AIC准则筛选建立评价指标体系。

优选的，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。

如上述基于分层聚类方法的价值评估算法的具体操作方法是：