随着我国经济的高速发展,房地产市场的发展也呈现出良好态势,人们越来越迫切能够快速的获得有效的房地产信息。能够及时准确的对房地产进行估价,这不仅可以为开发商合理的开发楼盘、居民选购住房提供准确的预测价格,而且能确保房地产交易中两方的业务有条不紊的进行。近些年,有许多学者在房地产价格评价中运用数理模型,这种做法可以迅速、准确、低成本、大规模的评估房地产价格。本文参考国内外最新的理论成果使用机器学习模型对房产价格进行评估,在实际数据的讨论中收到了不错的效果。本文基于北京市某一时期二手房相关数据,做了以下三个方面统计研究:首先是使用R对数据进行可视化展示,并对数据进行描述性统计分析,了解数据结构,将全部样本进行处理,剔除无意义的样本,为下面探究真实的影响因素做准备。然后将筛选后的数据进行聚类,找出影响不同层级房价的因素。分别探究在不同类别中影响房屋价格的影响变量是哪些,最后使用多元线性模型进行建模,分别对聚类后不同类别的样本进行分析。使用逐步回归法来优化拟合的线性回归模型;在结尾本文综合比较了影响不同类别的二手房价格影响因素,并对结果进行了分析。