近年来,我国的网络强国、国家大数据以及"互联网+"行动计划等战略正在不断地推进着信息化快速发展的历史进程。我国互联网行业经过了一段时期的井喷式发展逐渐趋于稳定,在此过程中涌现了一大批优秀的互联网平台企业,同时随着社会各界的广泛关注互联网企业在资本市场中也占据了极具影响力的地位。根据2019年3月中国信通院公布数据显示,中国的互联网企业总市值已经超过了八万亿元,互联网平台企业虽然估值很高,但面对多变的互联网行业环境,稍有不慎便满盘皆输,由于其独特性质对于传统的收益现值法、市场比较法和成本法等主流方法已不能完全适用,预测互联网平台企业价值时需要考虑更多的因素,不仅需要对企业的财务情况进行考量还要关注互联网平台企业独特的“流量”数据,通过怎样的方法将两者有机结合共同确定互联网平台企业的价值预测模型是当下亟待解决的问题。为了实现对互联网平台企业的价值预测,首先本文运用文献分析方法,通过分析影响互联网平台企业价值的各方面因素,筛选出共包括盈利能力、营运能力、偿债能力和股东收益、持续发展能力、用户能力和平台管理能力七个维度的38个指标,然后以我国在A股、H股、纽约和纳斯达克证交所上市的49家互联网平台企业为研究对象,使用主成分分析方法对反映样本企业价值的财务与非财务指标进行降维筛选,得出一套适用于互联网平台企业的价值体系,其次运用跨学科研究方法创新性地将机器学习理论与价值预测相结合,使用支持向量机训练基础模型,并通过主成分分析方法、网格搜索算法对基础模型进行优化改进,得出不同的组合的SVR、PCA-SVR、GS-SVR与PCA-GS-SVR四个模型,预测结果对比分析得出多种优化方法组合的PCA-GS-SVR模型的平均预测准确率和单个样本的误差情况都明显优于SVR模型和只考虑网格搜索算法和主成分分析方法的单一方法组合模型,达到了理想的价值预测效果,也以此检验了机器学习方法可以很好地应用于互联网企业市场价值的预测,也说明了该模型具有一定的推广适用性,对于投资人、社会公众以及市场监管有一定的参考价值。