全文链接:http:///?p=31938以苏州商品房房价为研究对象,帮助客户建立了灰色预测模型 GM (1,1)、 BP神经网络房价预测模型,利用R语言分别实现了 GM (1,1)和 BP神经网络房价预测可视化(点击文末“阅读原文”获取完整代码数据)。 相关视频 由于房价的长期波动性及预测的复杂性,利用传统的方法很难准确预测房价,而灰色模型 GM (1,1)和神经网络的结合在一定程度上可以很好的解决这个问题。文章首先介绍了 GM (1,1)模型和神经网络模型,然后利用R语言和其工具箱提供的预测房价功能,对住宅类商品房销售价格进行预测。结果表明该方法能够有效提高房价预测的精度,为房地产市场管理者及投资者提供一定的参考。 灰色模型灰色预测的主要特点是模型使用的不是原始数据序列,而是生成的数据序列。 其核心体系是灰色模型(Grey Model,GM),即对原始数据作累加生成(或其他方法生成)得到近似的指数规律再进行建模的方法。优点是不需要很多的数据,就能解决历史数据少、序列的完整性及可靠性低的问题;能利用微分方程来充分挖掘系统的本质,精度高;能将无规律的原始数据进行生成得到规律性较强的生成序列,运算简便,易于检验,不考虑分布规律,不考虑变化趋势。缺点是只适用于中短期的预测,只适合指数增长的预测。
|
|