住房是人类生存和发展最基本、必要的条件。在人口迅速增长和生态环境不断恶化的压力下，人居问题越来越受到人们的关注。从地方到政府再到中央，每年积累了大量的有关住房信息的数据。如何利用这些数据，如何从这些海量的数据中得到有用的信息，如何根据现有的数据预测未来的发展趋势，这是数据分析人员以及决策者所要面对的问题。本文将数据挖掘技术应用于住房信息领域，从住房信息中提取隐含在其中的、人们事先不知道的、但是又潜在有用的信息知识，大大提高了工作效率，为相关决策人员提供了有力的技术支持。 论文首先介绍了我国人均住房的现状和未来，在此基础上引入了数据挖掘技术，并具体介绍了数据挖掘的定义、数据挖掘的过程和技术方法等理论知识。然后介绍了贝叶斯分类方法的理论、分类，详细介绍了朴素贝叶斯分类模型，并结合广东省各地区的平均住宅价格、职工月平均工资等信息，使用朴素贝叶斯分类方法对广东省各地区的人均住房建筑面积进行挖掘，把挖掘的结果用图形化的方式呈现出来，对影响人均住房建筑面积的因素进行探讨，得出结论，希望对实际工作提供一定的建议。