预测房屋销售价格：对现有方法的回顾和数据流方法的说明以提高性能

抽象

对住宅房地产进行准确和公正评估的需求一直很重要，不仅对贷款或持有此类资产的金融机构而言，而且对依赖财产税作为其主要收入来源的市政当局而言也很重要。 尽管存在已知问题，但预测住宅物业销售价格的常用方法是基于传统的多元回归。 已经提出机器学习方法作为替代方法，但结果远不能令人满意。 对现有研究和相关问题的回顾可以帮助研究人员更好地评估这一重要研究流中方法的利弊，并推动该领域向前发展。 本文提供了这样的评论。 在我们的评论中，我们注意到基于回归的方法和机器学习方法的共同点是使用批处理模式学习。 因此，除了对基于批量的住宅物业预测模型的最新研究进行回顾之外，本文还探索了一种通过将过去的销售记录视为不断发展的数据流来构建住宅物业价格预测模型的新方法。 我们的研究结果表明，数据流方法优于传统的回归方法，并证明了数据流方法在改进住宅物业价格预测模型方面的潜力。