随着房地产市场日趋完善,人们对房地产信息的需求越来越迫切。快速准确的房地产估价,不仅能为开发商开发房地产、居民购房提供科学的评估价格,而且能保障房地产交易双方有效地推进业务。我国在房地产估价上所采用的方法一般是市场法、收益法、成本法,其中以市场法使用最为频繁。但市场法在使用过程中会受评估者的主观影响,且在可对比实例较少的情况下,评估的准确性下降,容易造成较大的误差。近年来,为了改进市场法以期得到更准确的评估值,诸多学者应用统计建模的方法进行房地产评估,得到了很好的效果。本文借鉴国外最新的研究成果将随机森林算法引入到房地产评估中。随机森林算法是非线性建模工具,通过对样本数据信息不断进行抽样就可以完成数据分类或回归,具有很好的拟合效果,非常适合解决无规则且多约束条件及样本数据缺失的应用问题。因二手房交易越来越频繁,成为人们购房的主要选择,且相关数据容易获得,所以本文以北京市二手房价格评估为例进行模型的建立。通过网上及实地调研搜集研究区域的二手房数据,进行指标体系的优选,剔除了对评估模型影响不大的因素,以减小模型的复杂度。利用建立好的指标体系,构建基于随机森林的北京市二手房价格评估模型,调整参数以便对模型优化,并将预测集数据带入模型进行预测,得出单样本相对误差。最后采用五折交叉检验的方法,将随机森林与线性回归、Bagging、简单回归树、神经网络、支持向量回归进行对比研究,结果表明随机森林具有预测误差小、模型稳定性高等优点,是一种值得应用和推广到房地产评估中的方法。