Zillow 对其 Zestimate® 房屋估值模型进行了重大升级。这些变化使算法能够更快地对当前的市场趋势做出反应，并将全国平均错误率提高到 6.9%——对于超过 1.04 亿个场外房屋来说，提高了近一个百分点。

新的 Zestimate 算法利用神经网络、最新的机器学习方法，除了房屋面积和位置等家庭详细信息外，还结合了更深入的财产数据历史，例如销售交易、税收评估和公共记录。

神经网络是模仿人脑工作方式的人工智能系统。他们能够有效地映射数亿个数据点，在输入之间建立联系并使用形成的关系来生成或预测输出。在 Zestimate 算法的情况下，神经网络模型将房屋事实、位置、房屋市场趋势和房屋价值相关联。

由于此次更新，Zestimate 现在可以更快地对动态市场状况做出反应，为房主提供更准确的房屋当前价值估计 [预测]。此外，过渡到基于神经网络的模型将减少 Zestimate 处理时间。

“自 2006 年推出 Zestimate 以来，我们从未停止创新，以便为消费者提供最准确的房屋估价，”Zillow 首席分析官兼 Zestimate 的创建者Stan Humphries博士说。“我们今天推出的新架构代表着我们在利用大数据为消费者创造更多确定性的努力中又向前迈出了重要的一步，从而导致更好的决策。”

15 年前，Zestimate 首次让人们免费即时访问数百万家庭的估计价值。在过去的十五年里，Zillow 发布了多个主要的 Zestimate 算法更新以及主要升级之间的增量改进，现在计算了全国超过 1.04 亿个家庭的估值。

由于公司对 Zestimate 准确性越来越有信心，2 月份 Zillow 开始通过其购房计划 Zillow Offers将Zestimate 用作实时的初始现金报价。Zestimate 是对 23 个市场中约 900,000 套符合条件的房屋的初始现金报价。随着最新更新和 Zestimate 准确性的提高，有资格获得现金优惠的房屋数量可能会增加 30%。

将神经网络模型应用于国家房地产数据集是 Zillow 奖获奖团队使用的一项创新，Zillow 奖是一项为期两年、耗资 100 万美元的数据科学竞赛，来自 91 个国家的 3,800 多个团队致力于改进 Zestimate。作为团队成员之一，Jordan Meyer现在是 Zillow 的高级应用科学家，负责 Zillow Offers 的房屋估价。