当今信息时代,数据的爆炸式增长和隐藏在这些海量数据背后巨大的商业价值催生出众多的大数据处理技术,除了广为人们熟知的Hadoop,近几年又先后发展出了以Storm、Spark、Flink等为代表的新兴计算框架,其中以Spark最受人们关注,它开发简单,运行速度快,并且同时兼顾了批处理以及实时数据计算,非常适合应用于与机器学习算法结合的场景。大数据处理技术的出现打破了传统并行计算的局限,为人们在信息爆炸时代解决海量数据问题提供了一个有效的新思路。本文主要探索一种基于Spark大数据平台针对二手房进行估价的应用系统。这是对现实人们关注热点问题的研究,同时又是对大数据背景下的机器学习算法的研究。针对信息时代二手房估价现存的问题,结合大数据和机器学习的特性以及房地产估价的特点,本文在二手房价格评估模型中引入了大数据处理架构中的机器学习算法。首先利用网页爬虫工具抓取二手房信息服务网站上的海量成交信息,提取特征并建立指标体系和量化标准,构建基于支持向量机、随机森林以及神经网络的二手房估价系统,使用选定的多种机器学习算法进行模型训练,将几种算法产生的预测结果对比分析,并对预测结果进行整合,最后利用测试数据评估模型预测效果。针对可以获取到的海量数据,将房屋估价系统推广到Spark平台。实验结果表明该估价模型预测误差小、提升空间大、运算速度快、并行度和稳定性高,可以应用到二手房估价中。