随着人工智能技术的快速发展,机器学习被广泛应用于各行各业,并在多个领域都取得了较好的成果。房价是一个影响因素复杂的热点问题,难以对其做出全面准确的预测。因此,本文尝试将相关的机器学习算法应用于房价预测中,在一个相对稳定条件下,建立一个符合房价复杂特性的模型,对房价进行分析和预测。本文对目前的国内外房价预测技术进行了分析,结合互联网数据和机器学习技术对房价及其影响因素进行分析建模,实现房价的预测。本文的主要工作如下:(1)房价数据获取。利用Python语言在房屋交易网站爬取成都市6个城区的住宅交易信息,作为本文的研究对象。(2)对房价数据进行预处理。对原始数据进行统计分析、缺失值处理、异常值处理、数据规范化以及特征选择。(3)构建房价预测模型。选用长短时记忆(LSTM)模型作为本文的房价预测模型,并对LSTM的超参数进行优化选择。由于LSTM模型存在较多范围较广的超参数,因此利用自适应人工鱼群算法对其部分超参数进行优化。构建随机森林、支持向量机、BP神经网络及LSTM模型作为对比实验,分别对房价进行预测。实验结果显示,本文提出的基于自适应人工鱼群优化的房价预测模型在平均相对误差等评价指标上有一定的提升,模型预测能力较强,能够实现一房一价的预测。(4)采用Browser/Server架构构建了房价预测系统,系统包含注册登录、数据的展示、数据的预处理、房价预测、数据导入五个模块,形成了一个集数据收集、数据存储、房价预测、数据展示为一体的信息处理系统。本文利用机器学习技术探索房价预测方法,所建立模型能够在一定条件下较为准确的对房价进行预测。根据模型所设计的房价预测系统,能够对房屋价格估值,为房屋出售者和房屋购买者提供科学的参考依据。