在已有的房地产研究领域中，机器学习算法被广泛应用。其中，学者们发现随机森林模型在各方面都能较好实现预测^[8]，且构建的预测模型具有预测精度小、稳定性强的优点^[9]，故该算法被学者们广泛应用^[10-11]在各个领域。Mohammad^[12]使用强化学习的思想来增强随机森林的预测能力，提高效率，并创建一个具有数据动态行为的环境对构建的学习自动机随机森林算法进行评估。Chaithanya^[13]利用飞蛾火焰优化算法的随机森林建立一个有效入侵检测方法的网络，该模型能有效提高网络入侵检测系统的分类准确性和误报率。此外还有学者^[14-17]将随机森林模型应用在电力、交通、医学和房价预测等方面。

还有很多研究人员^[18-19]将神经网络算法引入房地产价格评估中，为房价评估提供新方法。文献^[20]利用遗传算法对BP神经网络进行组合构建价格预测模型，发现组合模型的性能较单一模型有更强的预测性能。Lee^[21]利用贝叶斯和神经网络组合建立房地产估值模型，证明了贝叶斯的方法可以模拟房地产估价的不确定性，从而说明了在房地产行业中采用组合模型建立的预测模型具有更好的预测效果。