近年来,房价经历了从逐年大幅增涨到逐渐趋于稳定的过程,购房者不仅关注新房,而且二手房也越来越受到青睐。在一些城市二手房市场快速发展,成交量已超过一手房成交量。伴随二手房市场的繁荣,二手房价格的评估将给房地产开发商、中介和购房者提供更直观的市场信息,从而更有效地促成二手房交易。在我国,关于房价产价格的评估方法,市场法、收益法、成本法是经典的评估方法,它们适用于不同的市场环境,但由于这些方法更加注重定性分析,受主观因素影响较大。随着计算机技术的发展,许多学者开始运用计算机软件结合机器学习方法对房地产价格进行批量评估,这种方法更加注重定量分析,更加客观。本文参考近年的房地产评估方法,运用机器学习方法评估郑州市二手房价格,在实证分析中取得较好结果。本文爬取郑州市二手房的相关数据,并进行以下三方面的分析:一是描述性统计分析,对特征变量和目标变量的关系进行了初步探索,利用Python软件对结果进行可视化。初步得出了影响房价的因素,并结合实际对结果给出相应的解释。二是特征选择,运用两种特征选择方法,并且合并特征选择的结果,得到了最终用于模型训练的18个特征。特征选择的结果中主要涉及所属区域、建筑面积、建筑结构、住户数量、电梯数量、户型等因素,和现实情况相符。三是建立模型,分别建立Lasso回归模型、支持向量机模型和随机森林模型。在建模过程中本文运用网格搜索的方法进行调参,并且以均方误差为模型的评价标准,比较这三个模型在测试集上的预测效果,最终发现对于本文的郑州二手房数据,相比于Lasso回归和支持向量机,随机森林的均方误差最小,预测值和真实值的散点图更稳定的分布在斜率为1的直线附近,预测效果更可靠。