近年来,房地产行业的跨越式发展受益于国家经济的长足发展,其中,房地产行业中的住宅类房地产的发展势头更胜一筹。一方面,经济的发展带动了人们收入水平的提高,从而增加了对住宅房屋的购买需求;另一方面,经济发展带来的通货膨胀使人们更倾向于购买住宅类房地产作为财富保值增值的理财方式。为促使房地产市场的规范、健康、有序发展和保证交易的公平性,住宅类房地产的合理定价就显得格外重要。同时,对于国家出台的房产税收等财政政策、分期付款买房等金融政策,也需要以客观公允的住宅类房地产价值作为实施基础。因此,如何对现实经济生活中存在的大量住宅类房地产的市场交易价值进行客观、公允、高效、合理的评估显得尤为重要。在实际评估中,住宅类房地产主要使用市场比较法、收益法、重置成本法等进行价值评估。这三大方法有一定的应用前提,且在影响因素修正和个别指标确定上,均需要评估人员的主观判断,这就导致在一定程度上会降低住宅类房地产价值的客观公允性及合理性;同时,在面对频繁的住宅类房地产交易中,逐个评估会加大评估人员的工作量,评估效率低且评估成本大。本文结合房地产估价理论、单宗及批量住宅价值评估方法,提出了模糊最小二乘支持向量机(FLSSVM)算法来评估住宅类房地产价值的方法。当进行多个单宗住宅价值评估时,可对各评估对象收集其所在小区的多个类似交易案例,优化市场比较法中仅选取三个案例的局限性,将这些案例汇集成大量住宅价值评估样本,采用FLSSVM进行批量评估训练,同时预测出多个单宗住宅的价值,从而提高评估效率和效果。本文首先介绍了住宅类房地产评估、机器学习等理论基础。其次,阐述常用的房地产估价方法及其运用现状,并分析住宅类房地产评估现状和问题。再次,提出使用FLSSVM评估方法进行估价的解决方法,说明该方法的构造思路并对该方法的可行性、适用性进行分析。最后,将该方法运用到实际案例的评估中,并对其评估结果与最小二乘支持向量机(LSSVM)回归方法、市场比较法的评估结果进行对比分析,以验证FLSSVM评估方法的适用性和可行性。