[发明专利]一种基于机器学习与大数据的租金智能评估方法与装置

权利要求书

1.一种基于机器学习与大数据的租金智能评估方法，其特征在于，包括如下步骤：

(1)获取数据；

(2)数据清洗，包括静态清洗和动态清洗；所述静态清洗是指依据挂牌案例自身的离散程度进行数据的筛选；所述动态清洗是指计算挂牌案例归一化价格NP，并计算小区标准价的归一化价格的均值NPM，清洗在区间[NPM/1.3,NPM*1.3]之外的挂牌案例；

(3)基于GBDT回归计算小区指数；

(4)计算基准价与修正系数，算出租金估值。

2.根据权利要求1所述基于机器学习与大数据的租金智能评估方法，其特征在于，所述数据包括挂牌案例、成交案例、评估价、基准价、小区指数、城市指数、小区评分、小区表、相似小区表。

3.根据权利要求1所述基于机器学习与大数据的租金智能评估方法，其特征在于，所述在计算小区指数时，通过分层方法，先计算城市指数、行政区指数，并进行案例填充，最后计算小区指数。

4.根据权利要求3所述基于机器学习与大数据的租金智能评估方法，其特征在于，在面对行政区指数或小区指数在某些月份缺失的情况，使用上级指数进行填充；即缺失的行政区指数用城市指数填充，缺失的小区指数用行政区指数填充。

5.根据权利要求3所述基于机器学习与大数据的租金智能评估方法，其特征在于，所述小区指数的计算方法为：首先将初始数据中随机抽样80％作为训练集，用此来构建GBDT模型，采用剩下的20％的数据验证模型的有效性，不断调整参数，直到模型拟合程度、平均绝对误差和均方根误差均为最优，此时模型中的挂牌月份的回归系数即为小区指数。

6.根据权利要求1所述基于机器学习与大数据的租金智能评估方法，其特征在于，所述计算基准价为：获取整个城市的挂牌案例，计算出各案例的归一化价格NP，然后计算各小区的平均归一化价格mean_np、最小归一化价格min_np和最大归一化价格max_np。

7.根据权利要求1所述基于机器学习与大数据的租金智能评估方法，其特征在于，所述修正系数包括基准价缺失值、城市系数、挂牌案例、成交案例。

8.一种基于基于机器学习与大数据的租金智能评估装置，其特征在于，包括：

获取数据模块，用于获取挂牌案例、成交案例、评估价、基准价、小区指数、城市指数、小区评分、小区表、相似小区表的数据；

数据清洗模块，包括静态清洗子模块和动态清洗子模块；

小区指数计算模块，用于计算小区指数；

计算基准价与修正系数模块，用于计算出租金评估价格。

9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述方法。