| 研究生: |
高明志 Kao, Ming-Chih |
|---|---|
| 論文名稱: |
類神經網路應用於房地產估價之研究 The application of neural network to real estate appraisal |
| 指導教授: |
張金鶚
Chang, Chin-Oh 蔡瑞煌 Tsaih, Rua-Huan |
| 學位類別: |
碩士
Master |
| 系所名稱: |
社會科學學院 - 地政學系 Department of Land Economics |
| 論文出版年: | 1998 |
| 畢業學年度: | 86 |
| 語文別: | 中文 |
| 論文頁數: | 98 |
| 中文關鍵詞: | 類神經網路 、房地產估價 、特徵價格法 、倒傳遞類神經網路 、理解類神經網路 、理解倒傳遞類神經網路 、隱藏結點 、連結強度值 、殘差標準差 |
| 相關次數: | 點閱:216 下載:0 |
| 分享至: |
| 查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報 |
估價於房地產市場實扮演著一不可或缺的角色,精確的估價不僅可提供消費者正確極充分的購屋資訊,亦為政府擬定政策方針之基礎。由於台灣房地產市場為一不完全市場,消費者在購屋的同時更常因資訊的不健全而遭受不必要之損失,因此精確及流通之估價資訊實為健全台灣房地產市場之首務。
鑑於過去估價技術仍未成熟,所佔之房價常無法令人信服。本研究欲以類神經網路之功能,將其原理應用於房地產估價上,試圖解決過去估價方法本身之缺失,並作為估價人員輔助之工具。本研究主要以倒傳遞及理解倒傳遞類神經網路與特徵價格法進行公證比較分析,並以特徵價理論為基礎,利用類神經網路得出影率房地產價格更具代表性之因素,以做為未來建立房地產估價輔助系統之參考。
為了解不同的資料型態是否會使類神經網路有不同的學習效果,本研究將資料分為四組實驗設計,分別對不同的資料型態進行測試,研究結果顯示類神經網路對於資料型態較為敏感,其中又以理解倒傳遞類神經網路為最,使得其在預測能力上易受異常點或極端值的影響,而有好壞差異較大的情況。即類神經網路之學習效果端視資料是否具代表性而定。
目錄
第一章 緒論---------------------------------------------1
第一節 研究動機-----------------------------------------1
第二節 研究問題與範圍-----------------------------------2
第三節 研究內容、方法與流程-----------------------------3
第二章 相關理論與文獻回顧-------------------------------5
第一節 房地產估價方法-----------------------------------5
一 一般估價方法之基本理念-------------------------------5
二 大量估價法-------------------------------------------6
三 估價方法之限制與缺失---------------------------------6
四 類神經網路-------------------------------------------8
第二節 文獻探討-----------------------------------------19
一 關於住宅價格影響因素---------------------------------19
二 類神經網路應用在房地產估價方面-----------------------23
三 小結-------------------------------------------------27
第三章 研究設計-----------------------------------------28
第一節 資料來源與實驗設計-------------------------------28
一 資料來源---------------------------------------------28
二 實驗設計---------------------------------------------29
三 資料之基本分析---------------------------------------36
第二節 模式之建立---------------------------------------41
一 影響房地產價格屬性之選取-----------------------------41
二 特徵價格迴歸模式之建立-------------------------------41
三 類神經網路系統之設計---------------------------------44
第三節 模式估計效果評估指標-----------------------------48
一 評估指標---------------------------------------------48
二 基本統計量說明---------------------------------------49
第四章 實証結果與比較分析-------------------------------50
第一節 迴歸模式、BP與RNBP之比較分析---------------------50
第二節 敏感度分析---------------------------------------70
第五章 結論與建議---------------------------------------73
第一節 研究結論-----------------------------------------73
第二節 研究建議-----------------------------------------77
參考文獻-------------------------------------------------81
附表-----------------------------------------------------96
附錄
【表目錄】
表2-1 公式符號說明-----------------------------------------------13
表2-2 住宅價格屬性之相關研究-------------------------------------21
表2-3 國外文獻彙總表---------------------------------------------24
表2-4 類神經網路訓練及測試樣本數和誤差結果之比較-----------------27
表3-1 本研究所採之信義房屋民國79-82年台北市行政區成交案例筆數----29
表3-2 異常點刪除前後之各區資料樣本數-----------------------------35
表3-3 各組實驗設計內容-------------------------------------------36
表3-4 國外相關研究之訓練範例基本統計分析-------------------------37
表3-5 第一-三組資料樣本之基本統計分析(五次之平均)--------------38
表3-6 第四-六組資料樣本之基本統計分析(五次之平均)--------------39
表3-7 第七-十二組資料樣本之基本統計分析--------------------------40
表3-8 特徵價格迴歸模式之估計結果---------------------------------43
表3-9 各區區位值-------------------------------------------------44
表3-10 各組樣本之價格標準化基底值--------------------------------46
表3-11 各組資料樣本刪除之測試範例筆數----------------------------47
表4-1 迴歸模式、BP及RNBP於第一組之誤差測試結果-------------------50
表4-2 迴歸模式、BP及RNBP於第二組之誤差測試結果-------------------55
表4-3 迴歸模式、BP及RNBP於第三組之誤差測試結果-------------------56
表4-4 迴歸模式、BP及RNBP於第四組之誤差測試結果-------------------60
表4-5 迴歸模式、BP及RNBP於第五組之誤差測試結果-------------------60
表4-6 迴歸模式、BP及RNBP於第六組之誤差測試結果-------------------60
表4-7 第七-九組之測試結果----------------------------------------63
表4-8 第十-十二組之測試結果--------------------------------------65
表4-9 資料經選樣後之BP及RNBP測試結果-----------------------------68
表4-10 第一-六組各變數之敏感度分析-------------------------------72
表4-11 第七-十二組各變數之敏感度分析-----------------------------72
【圖目錄】
圖1-1 研究流程圖-------------------------------------------4
圖2-1 結點運作流程-----------------------------------------10
圖2-2 廣義學習誤差法則之流程-------------------------------12
圖2-3 非線性轉換函數一雙曲正切函數-------------------------12
圖2-4 軟性學習程序之流程-----------------------------------16
圖2-5 RNBP之學習流程---------------------------------------18
圖3-1 第一組資料範圍說明圖---------------------------------31
圖3-2 標準差為0.5、訓練範例為100之測試樣本說明圖-----------32
圖4-1 第一組第1次分組測試樣本內之絕對誤差------------------52
圖4-2 第一組第1次房價由低至高排列後之相對誤差率------------52
圖4-3 訓練範例分佈圖---------------------------------------57
圖4-4 迴歸模式於第三組第1次抽樣測試結果之相對誤差----------57
圖4-5 各模式於第三組第1次抽樣測試結果之絕對誤差------------57
圖4-6 第七組訓練範例之房價分佈圖---------------------------63
圖4-7 第十組訓練範例之房價分佈圖---------------------------66
圖4-8 第十二組訓練範例之房價分佈圖-------------------------66
圖4-9 本研究實驗設計流程及結果-----------------------------69
【附表】
附表1 第一組資料樣本之基本統計分析-------------------------81
附表2 第二組資料樣本之基本統計分析-------------------------82
附表3 第三組瓷料樣本之基本統計分析-------------------------83
附表4 第四組資料樣本之基本統計分析-------------------------84
附表5 第五組資料樣本之基本統計分析±1個標準差---------------85
附表6 第六組資料樣本之統計分析(全部資料)-----------------86
附表7 第一組資料之迴歸模式學習結果-------------------------87
附表8 第一組資料之BP網路學習結果---------------------------87
附表9 第一組資料之RNBP網路學習結果-------------------------88
附表10 第二組資料之迴歸模式學習結果------------------------88
附表11 第二組資料之BP網路學習結果--------------------------89
附表12 第二組資料之RNBP網路學習結果------------------------89
附表13 第三組資料之迴歸模式學習結果------------------------90
附表14 第三組資料之BP網路學習結果--------------------------90
附表15 第三組資料之RNBP網路學習結果------------------------91
附表16 第四組資料之迴歸模式學習結果------------------------91
附表17 第四組資料之BP網路學習結果--------------------------92
附表18 第四組資料之RNBP網路學習結果------------------------92
附表19 第五組資料之迴歸模式學習結果------------------------93
附表20 第五組資料之BP網路學習結果--------------------------93
附表21 第五組資料之RNBP網路學習結果------------------------94
附表22 第六組資料之迴歸模式學習結果------------------------94
附表23 第六組資料之BP網路學習結果--------------------------95
附表24 第六組資料之RNBP網路學習結--------------------------95
(限達賢圖書館四樓資訊教室A單機使用)