房地产业作为我国国民经济的支柱性产业之一,在房价持续上升背景下,对于有刚性需求的普通购房者而言倍感压力。房价在很长时间里成为一个热点话题,受到了来自政府、社会以及学术界的高度关注。随着我国城镇化进程的持续加速,城市可供开发的土地逐步减少,二手房市场随之进入人们视线,由于对二手房信息的需求量加大,深入探讨二手房住宅价格研究具有重要意义。由于房地产价格影响因素的复杂性及非线性关系,传统的评估方法难以完成对房地产价格的准确评估,如何确立更为有效的指标及模型来保证评估精度,高效准确估算二手房价格,成为亟待研究的课题。基于上述背景,本文以重庆市主城九区的270套普通二手房住宅为研究对象,主要完成下述工作:(1)在以前学者工作基础上,通过阅读大量文献,对房地产评估理论形成系统框架的认识,并对机器学习在评估市场的运用现状加以分析,理清论文的研究背景、意义以及研究内容与方法。(2)阐述随机森林(Random Forest)的工作原理,同时与其他被广泛使用的机器学习算法的运用现状作比较,最终得出随机森林算法的优势。(3)选取重庆市主城九区的二手房作为研究对象,查找房屋有关信息,汇总整理有效信息且将数据归一化处理,在以前学者的研究基础上,结合论文样本所需,最大程度地查找并筛选出对本文有效的住房评价指标,最终确立指标模型为建筑特征、邻里环境、区位特征三类,具体包括轻轨、公交、至CBD距离、学区房、房屋面积、房龄、所在楼层、卧室数量、朝向、装修、容积率、绿化率、物业管理质量、邻居干扰程度、环境卫生管理、商业设施配套、基础设施配套共17个指标。(4)调试出模型构建的两个关键参数值,得出了重庆市二手房价格评估模型两个最优参数Mtry值为7、Ntree值为150。最终,通过对多元线性回归模型的二手房价格评估结果与随机森林模型的评估结果作了对比分析,结果发现随机森林算法具备更高的预测精度,在房地产价格预测的实证研究中表现更为优秀,更好的预测性能更加适用于房地产价格评估,为现代房地产评估提供了一种可以使用和推广的新技术。