基于机器学习的土地估值方法 |
| |
引用本文: | 周烨,詹宝强,杨晓光.基于机器学习的土地估值方法[J].系统科学与数学,2023(4):841-857. |
| |
作者姓名: | 周烨 詹宝强 杨晓光 |
| |
作者单位: | 1. 中国科学院数学与系统科学研究院;2. 中国科学院大学;3. 香港城市大学经济金融学院;4. 哈尔滨工业大学经济与管理学院 |
| |
基金项目: | 国家自然科学基金(72192800)资助课题; |
| |
摘 要: | 文章将基于互联网的区位信息和区域经济因素纳入土地评估,选取土地市场网“招拍挂”出让数据构建训练和测试样本,建立城市土地评估的回归、树、神经网络和深度学习四套模型,并对模型的预测能力和稳健性进行评价.研究表明,XGBoost估值效果最优,适用于不同类型用地.此外,文章发现土地基本属性、区位和宏观经济这三类因素均对土地估值有不可或缺的作用,其中监测地价和容积率上限的贡献度最大,说明宏观市场价格和可利用程度是最重要的影响因素.
|
关 键 词: | 土地评估 评估模型 机器学习 区位因素 宏观经济因素 |
|
|