面向城市决策支持的可解释人工智能房地产预测：机器学习框架
Explainable AI for Urban Real-Estate Prediction: A Machine-Learning Framework for Urban Decision Support
发表于 2026年6月4日 · 收录于雷达 2026年11月5日
中文摘要
本文提出RE-VAL（房地产估值）可解释分析框架，整合可复现的数据获取、地理信息特征处理、预测基准比较和可解释输出。对意大利卡利亚里1153条住宅挂牌信息的比较显示，MLP预测表现最佳，随机森林则兼具较强预测能力与可解释性。框架利用SHAP分解生成透明的货币化“加分/减分”调整表，并揭示潜在的非线性交互关系。