作者toby，来源公众号python风控模型，基于机器学习的上海二手房成交价格预测模型
大家好，我是Toby老师，本文构建了一套基于机器学习的上海二手房成交价格预测模型，通过爬取真实二手房数据，综合运用机器学习算法进行训练与对比。我们将带你深入剖析交通、学区、区位等因素的权重，并评估模型的预测精度，揭秘数据视角下上海房价的形成逻辑与未来趋势。该项目可用于政府调研，企业建模，项目申报，毕业论文，期刊，专利。

01

数据集概述

- data description-

数据集概述：

该科研项目基于，38万真实上海二手房数据，变量几十个，截图如下。toby老师随机抽样其中一万条数据用于实验，为大家展示。

抽样数据基本信息

• 数据规模

  10,000 条交易记录，涵盖 6 个原始变量

• 时间跨度

  2011 年 10 月至 2024 年 6 月（约 13 年）

• 数据质量

  整体质量良好，缺失值比例低于 1.2%

变量分类汇总：

1. 标识与链接类

• 成交详情页 url：具体成交房源的详情页链接

• 小区详情 url：小区页面的链接

• 链家编号：房源的唯一内部编号

• 标题：房源的推广标题，包含关键描述

2. 地理位置类

• 城市：上海市（本项目聚焦上海，但字段保留）

• 区县：行政区，如浦东、徐汇等

• 区域商圈：所属板块或商圈，如陆家嘴、徐家汇

• 小区名称：具体小区名字

• 小区经度（百度）：百度坐标系下的经度

• 小区纬度（百度）：百度坐标系下的纬度

3. 时间相关类

• 挂牌时间：房源首次挂牌日期

• 成交时间：最终成交日期

• 成交周期/天：从挂牌到成交所经历的天数

4. 价格相关类

• 成交价格/万：最终成交总价（单位：万元）

• 挂牌价格/万：初始挂牌总价（单位：万元）

• 成交均价 元/平：成交单价（元/平方米）

5. 房屋物理属性类

• 房屋类型：如普通住宅、公寓、别墅等

• 所在楼层：低、中、高楼层或具体楼层数

• 建筑面积：房屋的建筑面积（平方米）

• 户型结构：几室几厅几卫，如“3室2厅”

• 套内面积：套内实际使用面积（平方米）

• 建筑类型：板楼、塔楼、板塔结合等

• 房屋朝向：南、北、东西等

• 建成年代：房屋建成年份

• 装修情况：毛坯、简装、精装等

• 建筑结构：钢混、砖混等

• 供暖方式：集中供暖、自采暖等

• 梯户比例：每层电梯数与户数的比例

• 配备电梯：有/无

6. 交易权属与用途类

• 交易权属：商品房、已购公房、经济适用房等

• 房屋用途：普通住宅、商业办公类等

• 房屋年限：满两年、满五年等（影响税费）

• 房屋权属：共有产权、单独所有等

7. 市场热度与互动类

• 调价/次：挂牌期间价格调整次数

• 带看/次：带客户看房的次数

• 关注/人：被关注收藏的人数

• 游览/次：详情页被浏览次数

02

研究结果

- Findings: -

01

变量相关性分析

Pearson 相关系数分析

建筑面积与成交价格（左上子图）

• 关联趋势

  ：呈明显正相关，趋势线斜率为 1.2（建筑面积每增加 1㎡，价格平均增加 1.2 万）；

• 离散度

  ：小面积房屋（50-100㎡）价格集中，大面积房屋（150㎡+）价格离散度高（受装修、地段等其他因素影响）。

4.2.2 装修类型与成交价格（右上子图）

• 组间差异

  ：装修品质越高，价格中位数越高 —— 精装（编码 3）＞中装（编码 2）＞简装（编码 1）＞毛坯（编码 0）；

• 价格差距

  ：精装房价格中位数比毛坯房高约 30 万，装修品质对价格影响显著。

4.2.3 房龄与成交价格（左下子图）

• 关联趋势

  ：呈弱负相关，趋势线斜率为 - 2.1（房龄每增加 1 年，价格平均降低 2.1 万）；

• 特殊情况

  ：房龄 0-3 年的新房价格波动大（部分高价豪宅拉高均值），房龄 10 年以上的房屋价格趋于稳定。

4.2.4 成交价格分布（右下子图）

• 分布特征

  ：右偏分布，峰值集中在 90-120 万区间；

• 异常值

  ：少量高价样本（＞300 万）为豪宅或特殊户型，已通过 3σ 原则控制其对后续分析的干扰。

• 备注：上述结论仅为抽样结论和实际38万大样本有差异。

02

上海二手房成交价格中位数320万元

成交价格特征

• 样本数量

  9,998 个有效样本

• 均值

  409.43 万元， 中位数: 320.00 万元

• 价格区间

  1.80 万元～19,000.00 万元

• 四分位范围

  221.00 万元（25 分位）~ 480.00 万元（75 分位）

• 标准差

  386.10 万元，表明价格分布离散度较大

  关键发现:

• 均值显著高于中位数，说明存在高价房产拉高整体平均水平

• 75% 的房产成交价格低于 480 万元，市场以中低价位为主

• 存在极端高价房产（最高 1.9 亿元），可能为高端豪宅或特殊物业

• 

  03

  上海二手房均价中位数4.68万每平方米

• 成交均价特征

• 样本数量

  9,998 个有效样本

• 均值

  50,789.69 元 / 平方米， 中位数: 46,899.50 元 / 平方米

• 价格区间

  452.00 元 / 平方米～3,000,000.00 元 / 平方米

• 市场分层

  25 分位 34,521.50 元 / 平，75 分位 62,210.50 元 / 平，呈现明显分层

• 

  03

  上海二手房周期中位数132天

• 周期总体特征

• 近 1/3（28.5%）的房产挂牌超过 1 年才成交，市场存在大量流动性差的房源

• 约 35% 的房产在 2 个月内成交，反映优质房源仍具备良好流动性

• 平均周期（306 天）远高于中位周期（132 天），受长期挂牌房源影响显著

• 近 80% 的交易存在溢价成交，表明市场整体处于买方竞争状态

• 仅 2.6% 的交易折价成交，卖方议价能力较强

• 平均溢价率 3.64%，反映市场合理的溢价空间

• 上海二手房房价市场整体比较乐观。

• 有效样本

  9,990 个（排除负周期数据）

• 平均周期

  306.1 天， 中位周期: 132.0 天

• 周期范围

  0 天（当日成交）~ 2,164 天（约 5.9 年）

• 分布特征

  右偏分布，大部分房产成交周期较短，大概4个月即可卖出房屋。

• 周期分布结构

  

  

• 关键发现:

  

03

时间趋势分析

- time analysis-

年度交易量趋势

• 交易高峰

  2020 年（1,420 笔）、2016 年（1,574 笔）、2023 年（1,023 笔）

• 交易低谷

  2012 年（44 笔）、2013 年（91 笔）

• 趋势特征

  2015 年后交易量显著增加，2016-2023 年保持较高水平

趋势分析:

• 2013-2016 年：价格持续下降，累计降幅约 32.5%

• 2016-2022 年：价格稳步回升，累计涨幅约 22.4%

• 2023-2024 年：价格略有回调，市场趋于平稳

• 长期趋势：2012-2024 年平均价格波动不大，市场整体稳定

版权声明：文章来自公众号(python风控模型),未经许可，不得抄袭。遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。