随着房地产投资和交易活动的日益频繁,房地产评估在房屋征收、房屋租赁、房屋拆迁、房地产抵押、房地产税收、房地产资产核定等活动中发挥着越来越重要的作用。房地产评估根据评估对象的数量可分为单宗评估和批量评估。单宗评估是指对单独一宗房地产的评估,而批量评估是指同时对一系列房地产的评估。目前,我国房地产评估主要采用市场比较法、收益法和成本法对房地产进行单宗评估,但单宗评估的评估过程缺乏合理的统一标准,评估结果有很强的主观性;而引入GIS(地理信息系统)、神经网络、支持向量机、随机森林等技术与方法的批量评估方法能改进传统的单宗评估方法。我国批量评估的研究和应用大部分采用的是传统的多元线性回归方法,虽然不断有学者采用机器学习的方法改进评估模型,但大多停留在对人工神经网络的研究上,采用新的机器学习方法(如:随机森林、支持向量机等)的相关研究仍然相对欠缺,使得国内房地产评估的研究处于相对落后的水平。论文引入WebGIS和支持向量机的机器学习方法改进评估模型,力求提高评估数据的获取效率、降低评估过程的主观因素的干扰,从而增加评估的客观性、透明度和准确性。通过对已往房地产评估的文献进行研究,总结影响房地产价格的特征变量和特征变量量化的方法,选取大量能使用客观数据进行量化的特征变量用于构建模型,使模型相对客观准确,运用网络爬虫的方法抓取安居客和搜房网的二手房数据,通过百度地图JavaScript API编写程序实现批量地址解析、批量周边查询、批量距离查询三种功能,高效便捷地获取GIS数据,最终以重庆市主城九区二手房中的普通住房为研究对象,经过数据分组、筛选、归一化处理和交叉检验参数寻优等步骤,选取41483个训练样本建立基于支持向量回归的二手房批量评估模型,并对13822个测试样本进行批量评估,发现所选样本单价的取值范围会影响评估的准确率,样本单价的取值范围越大,评估的准确率会降低,且论文所选取的特征变量和选择的特征变量的量化方法能够构建出良好的批量评估模型,并能较准确地对二手房进行批量评估。