信息技术的发展及互联网的普及,使得消费者在做消费决策时更多的依赖网络搜索获取知识,网络搜索数据的趋势变化就直接反应市场需求的变化,并最终体现在商品市场价格的变化上,商品房房价的变化不外如是。本文基于这一思想,利用我国国内使用范围最广的百度搜索数据对武汉市商品房价格进行拟合和预测,选取与商品房价格搜索相关的119个关键词的百度指数,并用Python对关键词数据进行抓取。数据清洗时分别利用简单手动筛选、Pearson相关系数筛选、线性回归筛选、逐步回归及AIC准则等步骤选出8个关键词作为最终自变量的关键词,分别是:公积金贷款额度,武汉公积金管理中心,公积金提取,按揭贷款利率,金地集团,武汉亿房网,租房子58同城,建材团购。实证研究部分对数据分别建立线性回归、回归树、bagging、随机森林和SVM等5个模型,并比较各模型的拟合和预测效果。结果显示:线性回归模型、随机森林模型和SVM模型拟合效果拟合效果较好且差异不大,其中以随机森林拟合效果最优,但在数据预测时,线性回归模型和SVM预测效果较好,平均误差率分别为1.12%和0.84%。本文所用方法可预测商品房房价领先官方发布数据10-15天。文章最后根据实证结果提出相关建议。