大家好~！这里是魔都小房弟团队

买房记得找小房弟哦，以下是正文：

在上海买新房，既要算钱也要算分。通常情况下，我们只能通过销售或者网上看看别人的估分来大概猜一下多少分。

那么，有没有什么方法，让我们可以自己预测一下新房积分区间呢？

本文就带你用机器学习的方法来预测新房积分。提前说明，文章不涉及数学公式，也不涉及代码编程，对小白非常友好。只要你能大概了解基本概念，就完全可以照着操作。

Part1机器学习基本概念

机器学习，顾名思义，就是让它根据我们提供的数据，自己学习规则。

按照我们提供数据的不同，又分为监督式学习（学习的数据有标签）和非监督式学习（学习的数据无标签）。

监督式学习主要解决分类和拟合问题，非监督式学习主要解决聚类问题。

我们将要用到的支持向量机（SVM，supportvectormachine）就是一种非常流行的解决分类问题的监督式机器学习模型。

它的原理非常简单，就是找一个平面把两类物体分开。

如图所示，我们只要找到这样一条直线，就可以把红色的点和蓝色的点分开。

那如果红色和蓝色混合在一起，我们找不到这样的直线呢？二维找不到我们可以放到三维空间。

假设红颜色的球比较重，蓝颜色的球比较轻，我们一拍桌子，蓝色弹起来比较高，红色弹起来比较低，这样我们就可以找一个平面把两者分开了。

再复杂的情况，我们都可以通过函数映射到高维度空间，然后在这个空间中，找一个“平面”把两者分开。

听起来好像支持向量机只能做两分类，多分类可以吗?当然可以啦，我们多找几个“平面”，多分几次，不就可以多分类了么。

以上只是简单的原理介绍，没看懂也没有关系，我们只需要知道支持向量机这个工具适合用来做分类就可以啦，下面我们就用它来建立我们自己的积分预测模型。

Part2搜集数据

我们首先来头脑风暴一下哪些因素跟积分相关呢？地段，价格等等各种因素都跟积分有关。

经过讨论，我们选取了这几个影响因素：板块，套数，价格，入围比，与周边二手房的到挂率（新房价格/二手房价格）。

根据以上因素，我们开始在网上找年的数据。我们知道，数学模型只能处理数字，板块这个因素怎么考虑进来呢？我们可以定义一个和数字之间的映射关系。

当然不同的区域可以可以进行微调。比如虹桥板块，虽然地处外环外，地段配套完全不输外环内。

同样前滩，唐镇板块都可以相应上调，北上海可以根据环线相应下调。这样相同的数字大概能够代表相同的地段水平。

我们再根据不同的积分来打上相应的标签，为了方便，我们统一用社保分数0.1，60分作为基准。

（整理的部分数据）

Part3模型建立

支持向量机工具，我们用网上比较流行的libsvm（

转载请注明:http://www.aideyishus.com/lkyy/1197.html