随着我国经济快速发展和城市化的不断推进,我国房地产市场一片欣欣向荣,人们对房地产信息的关注度也越来越高了,然而在城市可供开发的土地越来越少,二手房的交易市场已经逐渐成了房地产交易中的重要角色,快速精确的对二手房估价的需求也变得越来越大,快速对房价做出预估,可以让政府通过制定精准的调控政策并监督中介市场,可以让中介紧跟房地产行业的发展趋势,规范化自身服务,可以让购房者根据预估结果作为参考,避免中介欺诈买家等问题。我国在房地产估价采用的方法一般包括市场法、收益法、成本法,其中市场法应用最为广泛。然而运用市场法和评估者的经验有很大关系,且受主观评估者主观因素影响,近年来,国内学者为了改善市场法的不足采用统计建模的方式进行房价预测,本文通过引入Stacking算法建立模型对二手房房价进行评估。本文通过网络爬虫抓取北京市链家网二手房网站2万余条二手房信息,其特征包括二手房的房屋户型、套内面积等33个特征,经过数据探索、数据清洗、数据变换,数据降维等过程建立了较优的指标体系,并构建了基于Stacking理论的北京二手房交易价格预测的模型,通过网格搜索调整参数对模型进行优化,最后采用五折交叉验证的方法,将SVR算法、GBDT回归算法、随机森林回归算法、多层感知机回归算法以及将将这四种算法融合的Stacking算法进行对比研究,最后通过实证得出Stacking算法比单个算法具有预测模型稳定性好、预测误差小的等优点,值得在房地产价格预估行业中推广和应用。