近年来,我国的房地产市场异常火热,新房的市场价格逐年攀升,导致很多购房者把目光投向了二手房市场,使得二手房市场变得更加活跃。随着二手房交易量的增加,房地产登记、银行抵押贷款和税务征收等方面的需求随之增加,促使了对批量评估技术的需要。因此,本文通过对国内外批量评估技术的分析,结合我国二手房市场的实际情况,探索出一套评估精度高、速度快、适用性强的二手房批量评估模型。本文以市场比较法为指导,从公共因素、房屋自身因素、区位因素以及其他因素四个方面对二手房价格的影响因素进行了深入分析,在此基础上,确定了寻找可比楼盘以及对待估对象进行批量评估两部分模型构建所需的特征因素。在寻找可比楼盘案例的过程中,利用支持向量机模型强大的分类能力找出了在同一评估区域范围内与之最可比的三个楼盘,实现了对同一评估区域中的楼盘进行更小同质区域范围的划分。考虑到特征与单价之间存在着非线性的关系,本文选定了拥有良好稳定性能且不容易出现过拟合的机器学习模型—随机森林,用于批量评估模型的构建,并对随机森林原理进行介绍,阐述了其模型的优越性。然后结合寻找到的可比楼盘实际交易的194条案例进行基于随机森林的批量评估模型建模,训练模型并进行内部调试,确定了模型最优时的两个重要参数,并对搜集到的待估楼盘的19条案例进行预测。根据模型结果显示,预测误差范围均在规范的要求内。模型运行速度快、稳定性强,可用于评估同一评估区域内大批量二手房的价格,对于房地产评估业具有一定的现实意义。