spss预测变量重要性不可用_基于机器学习的boston房价预测

摘要:本文研究了13个特征值对房价的影响。研究结果表明城镇人均犯罪率，住宅用地所占比例，是否有河流，环保指数，每栋住宅的房间数，距离5个波士顿的就业中心的加权距离，距离高速公路的便利指数，每一万美元的不动产税率，城镇中的教师学生比例，城镇中的黑人比例，地区中有多少房东属于低收入人群这11个因素与房价有非常显著的影响。采用三种机器学习的算法，SGD(梯度下降)算法对房价的预测的均方误差最小。

关键词: 机器学习、线性回归、spss、房价预测

一．引言

人们在生活中经常遇到分类与预测的问题，目标变量可能受多个因素影响，根据相关系数可以判断影响因子的重要性。正如一个病人得某种病是多种因素影响造成的。房子作为居住的场所，对每个人而言是不可或缺的。而房价的高低也是受多种因素的影响。房子所处的城市是一线还是二线，房子周边的交通便利程度，房子附近是否存在医院或者学校等，众多因素都会影响房价,所以对房价的预测尤为重要。本文提出了影响房价的因素有什么这一问题?以及如何利用已给的特征值来预测房价[2]？本文是利用机器学习来预测房价，同时利用spss来分析各因素与房价的线性关系。本文由于美国的国情，影响的特征值过多，分析起来比较麻烦，为了提高预测正确率，选择了三种不同算法进行评估，最后用了SGD(梯度下降)的算法进行回归分析，以为今后中国房价的预测和房地产建设提供借鉴与参考。

二．文献综述

房价的预测属于回归问题，回归问题是机器学习的的一个重要的研究方向，利用机器学习对boston数据集进行训练和预测(田润泽，2020)。可以采取算法有很多，比如采用梯度下降的算法对房价进行预测，在对数据进行训练之前，需要对数据进行处理，比如缺失值等，最后通过拟合函数以建立一个较好的预测模型(陈泽坤等，2020)，(张家棋等，2020)利用XGBoost方法，被称为“极端梯度提升”，采用了分布式对房价进行预测[3]。在建立模型的时候，我考虑了回归模型，(罗博炜等，2020)用多元线性回归统计模型来预测房价，对精度有了个提升，我用的模型采用向量的方式对自变量进行定义。

三．构建模型 

为了得到房价的预测结果，本文建立线性回归模型[4]，最后预测的房价作为因变量(DVs)， W为一个(1,13)的向量，是权重系数，即每个自变量前面的调节系数。Xi因变量为(13,1)的向量，其中包括(城镇人均犯罪率，住宅用地所占比例，城镇中非住宅用地所占比例，是否有河流，环保指数，每栋住宅的房间数，1940 年以前建成的自住单位的比例，距离 5 个波士顿的就业中心的加权距离，距离高速公路的便利指数，每一万美元的不动产税率，城镇中的教师学生比例，城镇中的黑人比例，地区中有多少房东属于低收入人群)这13个数据。Bias为偏置，即调节预测，使预