[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

说明书

本发明公开了一种基于机器学习与大数据的租金智能评估方法与装置。包括如下步骤：获取数据，数据清洗，基于GBDT回归计算小区指数，计算基准价与修正系数，算出租金估值。本发明优化了传统测算租金的方式，大数据的使用极大地提高了对比法的准确性，指标体系的优化同样极大地提升了模型可信度；基于对比法和机器学习建立的模型，将大数据引入到模型中，再将此结果输送到网站中，并进行定期更新，便于房主查询自己房子的参考出租价格，也便于租户对意向租房的租金有所了解。

技术领域

本发明涉及租金管理技术领域，具体涉及一种基于机器学习与大数据的租金智能评估方法与装置。

背景技术

随着我国经济社会的快速发展，城镇化发展迅速，城市发展由增量时代进入存量时代。房地产市场也正快速调整以适应存量时代的发展，房地产租赁以及租赁行为将成为房地产资产管理的重要形式，因此租金的评估的需求日益增加。亟需建立一套适用性、科学性与操作性较强的住宅租赁价格评估体系，不仅可以在培育住房租赁市场的背景下，为租赁住房供应主体提供出租价格确定依据，从而为解决租赁纠纷问题提供参考，同时也可为缴纳房产租赁税提供依据，进一步为政府制定保障性住房的租金补偿标准提供参考。

目前在租金评估实践方面多采用了传统的比较法、收益法和成本法。比较法是选取一定数量的可比实例，将他们与估价对象进行比较得到他们的差异，基于此对可比实例成交价格进行处理后得到租金估价的方法。比较法是在估价对象所在的房地产已经较为成熟且具有足够多的成交信息的基础上开展评估工作。收益法是预测评估对象的未来收益，利用收益乘数等将未来收益转换价值可到估价对象价格的方法。

随着大数据时代的盛行，海量的多源大数据及先进的机器学习方法能够弥补传统方法暴露的许多问题。同时机器学习方法也为租金评估提供新的研究框架。机器学习(Machine Learning,ML)是“计算机利用经验自动优化系统自身性能的行为”。机器学习能够适应大数据的海量、复杂多样、变化快等特性，基于样本数据，依靠模式推理来学习和预测，以获取新的知识或技能，进而决策。近年来机器学习方法被广泛应用于多个科学研究领域中，并在城市研究中显示出突出优势。

传统的租金估价模型主要存在一下几点缺陷：(1)租金相关数据往往通过获取中介记录、分发问卷等形式收集，收集难度大、成本高，导致样本量不足。(2)传统方法测算效率低，比较法、成本法、收益法等传统方法往往需要租金测算师进行对具体案例进行测算，这样即费时费力，同时效率低下，没办法应对当前我国存量背景下对租房市场的迫切需求现状。(3)传统的计量模型主观性强，如在估计的过程中需要人为设置阈值标准、认为设置指标权重。(4)传统模型形式僵化，默认因变量服从独立正态分布、回归方程容易过拟合等问题。这些问题导致基于传统模型对租金的估计不够理想，亟需新的研究方法对之补充。

发明内容

本发明的目的旨在引入机器学习算法，基于综合大数据对租金进行更加精细和精确的评估，以弥补基于传统模型的租金分析样本量不足、要素量化方式主观、指标权重确定主观、模型形式僵化等问题。优化改进传统评估机制和影响因子模型，直接将租金测算和评估落到具体的住户层面，并将其设计到软件装置中，直接供客户通过网站可便利地查阅租金估价，利于房主和租客的交易进行，推动租房市场的发展。

一种基于机器学习与大数据的租金智能评估方法，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。

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。