• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于隨機(jī)森林的深圳二手房價格預(yù)測與分析

    2021-03-13 14:38:43李函諭魏嘉銀盧友軍
    現(xiàn)代信息科技 2021年15期
    關(guān)鍵詞:網(wǎng)絡(luò)爬蟲隨機(jī)森林

    李函諭 魏嘉銀 盧友軍

    摘? 要:針對深圳市二手房市場房價預(yù)測問題,結(jié)合相關(guān)的八個特征變量,利用隨機(jī)森林模型訓(xùn)練房價預(yù)測模型。在研究過程中為使得模型準(zhǔn)確率與泛化能力更高,使用交叉驗(yàn)證與網(wǎng)格搜索法,繪制學(xué)習(xí)曲線尋找最優(yōu)參數(shù),最后完成二手房價格預(yù)測模型的構(gòu)建,預(yù)測精度達(dá)82.22%。結(jié)合相關(guān)政策,得出近年來深圳市二手房地產(chǎn)均價雖仍會上漲但總體較為穩(wěn)定、且漲幅較小,以及近十年小戶型的房源增量減少的主要結(jié)論。

    關(guān)鍵詞:網(wǎng)絡(luò)爬蟲;隨機(jī)森林;深圳二手房價;網(wǎng)格搜索

    中圖分類號:TP311? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼:A文章編號:2096-4706(2021)15-0100-05

    Abstract: Aiming at the problem of house price prediction in Shenzhen second-hand house market, combined with eight relevant characteristic variables, the house price prediction model is trained by using random forest model. During the course of research, to improve the accuracy and generalization ability of the model, the cross validation and grid search method are used to draw the learning curve and find the optimal parameters, the construction of the second-hand house price prediction model is completed finally, and the prediction accuracy reaches 82.22%. Combined with relevant policies, it is concluded that although the average price of second-hand real estate in Shenzhen will still rise in recent years, it is generally relatively stable with a small increase, and the increase of house supply of small houses has decreased in recent ten years.

    Keywords: web crawler; random forest; Shenzhen second-hand house price; grid search

    0? 引? 言

    房產(chǎn)作為如今經(jīng)濟(jì)社會的主要經(jīng)濟(jì)支柱,不管是用于剛需居住還是用于理財投資,對于國人的影響意義深遠(yuǎn),對購房者而言,房價是影響購房者決策的重要因素[1]。從不同角度對房價變化趨勢的探索一直都是人們關(guān)注的熱點(diǎn)問題。針對房價預(yù)測問題,高玉明、張仁津[2]等人通過遺傳算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn),在貴陽市的房價預(yù)測中獲得較高預(yù)測精度,但并未結(jié)合當(dāng)?shù)卣邔Ψ績r進(jìn)行定性分析;董倩、李偉[3]等人基于網(wǎng)絡(luò)搜索房產(chǎn)交易信息,對16個城市建立了各自適應(yīng)的房產(chǎn)指數(shù)預(yù)測模型,使得房產(chǎn)價格模型的時效性得到一定解決,但對于影響模型的最佳參數(shù)探究欠缺。本文從購房者角度出發(fā),獲取2020年深圳市3月與7月在售房產(chǎn)網(wǎng)站的不同維度二手房產(chǎn)數(shù)據(jù),通過交叉驗(yàn)證下隨機(jī)森林算法訓(xùn)練房產(chǎn)價格預(yù)測模型,再結(jié)合網(wǎng)格搜索找到使得模型泛化能力最佳的參數(shù),通過均方誤差(MSE)與擬合優(yōu)度(R2)對模型進(jìn)行評估,同時結(jié)合相關(guān)政策與一定統(tǒng)計(jì)分析,輔助購房者綜合各方面的因素進(jìn)行科學(xué)決策。

    1? 數(shù)據(jù)準(zhǔn)備

    1.1? 數(shù)據(jù)獲取方式

    房源數(shù)據(jù)的來源可以通過走訪相關(guān)政府住建單位或通過中介等實(shí)地考察當(dāng)?shù)囟稚唐贩康脑谑矍闆r獲取,但是用這種方式獲取數(shù)據(jù)存在時間成本高、花費(fèi)精力大、數(shù)據(jù)量少、效率低等缺點(diǎn)。隨著信息技術(shù)的發(fā)展,人們越來越多地通過網(wǎng)絡(luò)來獲取相關(guān)的信息,在買賣二手房時也主要是通過網(wǎng)絡(luò)來發(fā)布和獲取數(shù)據(jù)。因此,在明確模型構(gòu)建所需的特征后,對于房源數(shù)據(jù)的獲取,本文通過網(wǎng)絡(luò)爬蟲技術(shù)來進(jìn)行高效的自動化數(shù)據(jù)抓取。

    1.2? 主題數(shù)據(jù)確定

    由于人們在購買二手房時,主要關(guān)注房源的小區(qū)、戶型、面積、裝修、朝向、建房年代、轄區(qū)、總價這八個基本屬性,而這些屬性也正是現(xiàn)在的二手房交易網(wǎng)站均有提供的信息,于是本文將其作為主要的數(shù)據(jù)爬取目標(biāo)。本文從某房產(chǎn)網(wǎng)站上爬取三月份與七月份總共2 940個樣本數(shù)據(jù)用于模型的訓(xùn)練與預(yù)測,部分?jǐn)?shù)據(jù)如表1所示。

    2? 數(shù)據(jù)預(yù)處理

    為了對2020年深圳市二手房產(chǎn)特征進(jìn)行分析,并建立房價預(yù)測模型,對于原始數(shù)據(jù)的預(yù)處理工作會直接影響模型結(jié)果的好壞,所以需要對數(shù)據(jù)進(jìn)行預(yù)處理以提高數(shù)據(jù)質(zhì)量[4],主要工作包括去重、空值處理、去冗余數(shù)據(jù)平滑噪聲數(shù)據(jù)等。本文運(yùn)用Python的數(shù)據(jù)分析工具Pandas和科學(xué)計(jì)算庫Numpy對已爬取的數(shù)據(jù)進(jìn)行預(yù)處理工作,主要完成了對爬取后的樣本數(shù)據(jù)進(jìn)行去重、缺失值填補(bǔ)、字符串的剪切、房屋建房年份離散化以及對類別特征進(jìn)行獨(dú)熱編碼工作等,此時數(shù)據(jù)清洗工作基本完成。

    3? 深圳市二手房價預(yù)測回歸模型

    準(zhǔn)備好數(shù)據(jù)之后,接下來嘗試運(yùn)用隨機(jī)森林回歸模型來建立二手房價的預(yù)測模型,以期能夠輔助購房者做出更有科學(xué)依據(jù)的購房決策。

    3.1? 隨機(jī)森林

    隨機(jī)森林(random forest, RF)是一種具有代表性的集成算法,它以多棵相互獨(dú)立的決策樹作為基評估器,通過集成各個決策樹的建模評估結(jié)果,運(yùn)用平均或多數(shù)表決原則,可隨機(jī)地生成幾百個至幾千個分類樹,然后選擇重復(fù)程度最高的樹作為最終結(jié)果,同時該算法對多元共線以及數(shù)據(jù)離群值并不敏感,適用于房產(chǎn)價格這種波動較大的數(shù)據(jù)[5-6]。

    3.2? 房價預(yù)測模型及評估

    scikit-learn(簡稱sklearn)是基于Python的機(jī)器學(xué)習(xí)模塊,提供了常用的分類、回歸、降維和聚類等機(jī)器學(xué)習(xí)算法實(shí)現(xiàn),可以直接運(yùn)用于模型訓(xùn)練。本文運(yùn)用sklearn來進(jìn)行模型的訓(xùn)練和評估。

    3.2.1? 模型訓(xùn)練

    對于本文的研究,數(shù)據(jù)源為已經(jīng)處理好的數(shù)據(jù),被解釋對象即預(yù)測特征為房屋總價(total_price)。在建模的過程中,首先調(diào)用sklearn模塊中的RandomForestRegressor函數(shù)對數(shù)據(jù)在默認(rèn)參數(shù)下進(jìn)行10次交叉驗(yàn)證的模型訓(xùn)練,其次調(diào)用cross_val_score函數(shù)以計(jì)算模型的擬合優(yōu)度與均方誤差,最后將建立的模型與支持向量機(jī)(support vector machine, SVM)模型進(jìn)行對比以驗(yàn)證所建立模型的有效性。隨機(jī)森林模型構(gòu)建的關(guān)鍵代碼如下:

    rfc=RandomForestRegressor( random_state=90)

    R2=cross_val_score(rfc,X,y,cv=10,scoring=’r2’).mean()

    MSE=cross_val_score(rfc,X,y,cv=10,scoring=’neg_mean_squared_error’).mean()

    3.2.2? 模型評價指標(biāo)

    對于回歸模型而言,cross_val_score結(jié)果可輸出為模型預(yù)測的擬合優(yōu)度(R2)與均方誤差(MSE)以作為模型準(zhǔn)確率與穩(wěn)定性的評估,兩個評估指標(biāo)意義如下:

    擬合優(yōu)度(或決定系數(shù))可以解釋回歸模型在多大程度上解釋了被解釋特征的變化,或者說回歸模型對觀測值的擬合程度如何,可以作為模型預(yù)測的準(zhǔn)確性評價指標(biāo)來評估回歸模型的準(zhǔn)確性。擬合優(yōu)度(R2)的定義為:

    均方誤差(MSE)是指被預(yù)測值與樣本真實(shí)值之差平方的期望值。MSE是衡量平均誤差的一種較為方便的方法,MSE可以評價數(shù)據(jù)的變化程度,MSE值越小,說明預(yù)測模型的穩(wěn)定性也越好。均方誤差(MSE)的定義為:

    3.2.3? 模型評估結(jié)果

    對于默認(rèn)參數(shù)下的隨機(jī)森林和SVM模型,其訓(xùn)練結(jié)果如表2所示。

    從結(jié)果來看,隨機(jī)森林決定系數(shù)接近0.8,說明了10次交叉驗(yàn)證下隨機(jī)森林建立的房價預(yù)測模型模型能在80%的程度解釋了二手房價的變化程度,相比SVM準(zhǔn)確率更好;均方誤差也表明該模型的穩(wěn)定性較好,可見基于隨機(jī)森林構(gòu)建的房價預(yù)測模型更適用于預(yù)測深圳市二手房價格。為了避免模型在訓(xùn)練集上陷入過擬合或欠擬合的情況,需要進(jìn)一步對模型的泛化能力進(jìn)行評估與調(diào)整。

    3.3? 通過網(wǎng)格搜索模型最優(yōu)參數(shù)

    3.3.1? 泛化誤差與參數(shù)調(diào)整思路

    泛化誤差是指模型對未知數(shù)據(jù)的預(yù)測值的誤差,其反映了模型的泛化能力。不管模型欠擬合或過擬合,泛化誤差都會變大,當(dāng)模型的泛化誤差最小時,模型的復(fù)雜度最佳。隨機(jī)森林屬于樹模型,樹的深度越深,越易陷入過擬合從而使得模型復(fù)雜度增加。因此對模型參數(shù)的調(diào)整思路為使模型的泛化誤差減小的同時使其復(fù)雜度接近最佳的模型復(fù)雜度。

    3.3.2? 網(wǎng)格搜索隨機(jī)森林最佳模型參數(shù)

    在構(gòu)建隨機(jī)森林模型時,對模型泛化能力有敏感影響的參數(shù)主要有評估器數(shù)量(n_estimators)、最大深度(max_depth)、葉節(jié)點(diǎn)最小樣本(min_samples_leaf)數(shù)以及最大特征(max_features),其影響如表3所示。

    參數(shù)對模型的影響趨勢可以通過繪制學(xué)習(xí)曲線及其走勢來判斷,以評估器數(shù)量為例,通過設(shè)定1到200個評估器,繪制每次增加10個評估器的學(xué)習(xí)曲線,可以找到學(xué)習(xí)曲線中模型評分(R2)最高的大致范圍,再繼續(xù)縮小范圍,即可找到最佳的評估器數(shù)量,對其余三個超參數(shù)也采用相同的方式,最終參數(shù)的學(xué)習(xí)曲線如圖1所示。

    根據(jù)學(xué)習(xí)曲線,對于最大深度max_depth,隨著深度增加,模型的可解釋率增加后趨于穩(wěn)定,對準(zhǔn)確率影響不大,但模型的泛化誤差變大;對于最小葉子節(jié)點(diǎn)數(shù)min_samples_leaf,增加每個葉子節(jié)點(diǎn)的數(shù)量也會使得模型的可解釋率降低,所以對以上兩個參數(shù),將其設(shè)置為默認(rèn)值即可。對其余兩個參數(shù)可觀察曲線找到準(zhǔn)確率的最高值,最終對各個超參數(shù)進(jìn)行調(diào)整后模型的準(zhǔn)確率可達(dá)82.22%,相比尋優(yōu)前提升了2%,此時模型接近最佳復(fù)雜度,泛化能力最好,最優(yōu)參數(shù)如表4所示。

    4? 模型解釋與特征定性分析

    對普通讀者而言,由數(shù)據(jù)分析構(gòu)建得到的模型是難以理解的,為增加可解釋性,可以通過繪制相應(yīng)的可視化圖形,以使讀者能直觀地理解模型本身的含義。

    本文根據(jù)前述構(gòu)建的隨機(jī)森林模型通過Graphivz軟件來繪制相應(yīng)的可視化樹圖,由于隨機(jī)森林模型的分支很多不便于解釋,此處只選取其中一顆子樹的部分分枝來闡述,如圖2所示。由圖2知,該決策樹分支以福田區(qū)作為主要分裂條件來對該節(jié)點(diǎn)包含的13個樣本進(jìn)行分裂,根據(jù)面積、戶型等不同的決策條件最終對每個子節(jié)點(diǎn)進(jìn)行了預(yù)測。

    為進(jìn)一步觀察各特征對于購房決策影響的重要程度,可以繪制相應(yīng)的柱形圖,如圖3所示,從圖中可知對模型影響最大的特征為房屋面積(area),影響程度達(dá)0.6。

    為驗(yàn)證模型的擬合效果,可以通過繪制模型的預(yù)測值-真實(shí)值散點(diǎn)圖,如圖4所示,圖中的點(diǎn)線為預(yù)測值與真實(shí)值相等的理想預(yù)測直線,由圖可見散點(diǎn)靠攏理想效果直線,表明預(yù)測效果比較理想。

    對于不同轄區(qū)房價的分布情況,可以繪制相應(yīng)的均價箱線圖以清楚地展示各轄區(qū)房源價格的總體分布,如圖5所示。對于各年代房源的分布情況可以繪制小提琴圖直觀地呈現(xiàn)不同年代房源的存量與總價分布情況,如圖6所示。

    根據(jù)圖5可知,深圳市二手房龍崗區(qū)[7]的房價最低,但是在售房源最多,投資屬性強(qiáng),適合做理財投資,而隨著經(jīng)濟(jì)下行的壓力越大,交易量必定會受影響。南山區(qū)均價最高,主要因?yàn)槟仙絽^(qū)科技企業(yè)多,常住人口高,地段好,所以對房源的需求量大,而豪宅稅的調(diào)整[8-9]會促使更多人參與買房,所以至少2020年深圳市二手房房價還會上漲。隨著新型冠狀病毒疫情的蔓延與控制,使得人們的居住愿望變強(qiáng)[10],所以房價仍在上漲,但是7月的調(diào)控新政策減小了房價上漲的勢頭,嚴(yán)格控制了漲幅,使得房價回歸在穩(wěn)定的趨勢。

    根據(jù)圖6可知,深圳市房地產(chǎn)2010—2020年的二手房源量較少,在售二手房源的修建年份主要集中在2000—2010年,房齡較大,近10年的新房量少是導(dǎo)致如今二手房增量少的主要原因。

    根據(jù)以上結(jié)果,可以對二手房價格有一個基礎(chǔ)的認(rèn)知,然后再結(jié)合深圳購房政策變化、稅收等因素,便能從不同角度觀察和發(fā)現(xiàn)深圳市二手房特點(diǎn)[11-12]。

    5? 結(jié)? 論

    在本文的研究中,首先對深圳二手房產(chǎn)數(shù)據(jù)進(jìn)行爬取,利用Python各功能模塊對原始數(shù)據(jù)進(jìn)行預(yù)處理,運(yùn)用隨機(jī)森林算法建立房價預(yù)測模型并尋找最佳模型超參數(shù),獲得顯著的精度,與SVM模型的對比結(jié)果表明,本文的預(yù)測模型在準(zhǔn)確率與穩(wěn)定性方面都更好;然后,對模型進(jìn)行了可視化解釋并結(jié)合當(dāng)時的實(shí)際政策對二手房特征進(jìn)行定性分析;最后實(shí)現(xiàn)了房價預(yù)測模型穩(wěn)定性與泛化能力的有效結(jié)合,為有購房需求的人提供了相應(yīng)的決策依據(jù)。

    參考文獻(xiàn):

    [1] 張智鵬,鄭大慶.影響區(qū)域房價的客觀因素挖掘分析 [J].計(jì)算機(jī)應(yīng)用與軟件,2019,36(11):32-38+85.

    [2] 高玉明,張仁津.基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的房價預(yù)測分析 [J].計(jì)算機(jī)工程,2014,40(4):187-191.

    [3] 董倩,孫娜娜,李偉.基于網(wǎng)絡(luò)搜索數(shù)據(jù)的房地產(chǎn)價格預(yù)測 [J].統(tǒng)計(jì)研究,2014,31(10):81-88.

    [4] 劉馨,張衛(wèi)軍,石泉,等.基于數(shù)據(jù)挖掘與清洗的高爐操作參數(shù)優(yōu)化 [J].東北大學(xué)學(xué)報(自然科學(xué)版),2020,41(8):1153-1160.

    [5] ANTIPOV E A,POVSKAYA E B. Mass appraisal of residential apartments:An application of Random forest for valuation and a CART-based approach for model diagnostics [J].Expert Systems with Applications,2012,39(2):1772-1778.

    [6] 顧桐,許國良,李萬林,等.基于集成LightGBM和貝葉斯優(yōu)化策略的房價智能評估模型 [J].計(jì)算機(jī)應(yīng)用,2020,40(9):2762-2767.

    [7] 百度百科.深圳市行政區(qū)劃 [EB/OL].[2021-04-23].https://baike.baidu.com/item/%E6%B7%B1%E5%9C%B3%E5%B8%82%E8%A1%8C%E6%94%BF%E5%8C%BA%E5%88%92/18655114?fr=aladdin.

    [8] 深圳市規(guī)劃和國土資源委員會.深圳市安居型商品房定價實(shí)施細(xì)則 [EB/OL].(2017-12-17).http://www.sz.gov.cn/slhwz/zcfg/content/post_9177804.html.

    [9] 深圳市司法局.深圳市房地產(chǎn)市場監(jiān)管辦法(修訂征求意見稿) [EB/OL].(2020-10-22).http://sf.sz.gov.cn/hdjlpt/yjzj/answer/7097#feedback.

    [10] 陳興蜀,常天祐,王海舟,等.基于微博數(shù)據(jù)的“新冠肺炎疫情”輿情演化時空分析 [J].四川大學(xué)學(xué)報(自然科學(xué)版),2020,57(2):409-416.

    [11] 張望舒,馬立平.城市二手房價格評估方法研究——基于Lasso-GM-RF組合模型對北京市二手房價格的分析 [J].價格理論與實(shí)踐,2020(9):172-175+180.

    [12] CHEN L J,YAO X J,LIU Y L,et al. Measuring Impacts of Urban Environmental Elements on Housing Prices Based on Multisource Data-A Case Study of Shanghai,China [J/OL].ISPRS International Journal of Geo-Information,2020,9(106):1-23.

    作者簡介:李函諭(1996-),男,苗族,貴州貴陽人,碩士研究生在讀,研究方向:統(tǒng)計(jì)建模與分析、大數(shù)據(jù)處理與分析;魏嘉銀(1986-),男,漢族,福建三明人,副教授,碩導(dǎo),博士,研究方向:算法設(shè)計(jì)與分析、大數(shù)據(jù)處理與分析;盧友軍(1985-),男,漢族,貴州遵義人,碩導(dǎo),博士,研究方向:復(fù)雜網(wǎng)絡(luò)。

    3169500338292

    猜你喜歡
    網(wǎng)絡(luò)爬蟲隨機(jī)森林
    隨機(jī)森林在棉蚜蟲害等級預(yù)測中的應(yīng)用
    基于二次隨機(jī)森林的不平衡數(shù)據(jù)分類算法
    軟件(2016年7期)2017-02-07 15:54:01
    拱壩變形監(jiān)測預(yù)報的隨機(jī)森林模型及應(yīng)用
    煉鐵廠鐵量網(wǎng)頁數(shù)據(jù)獲取系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    基于隨機(jī)森林算法的飛機(jī)發(fā)動機(jī)故障診斷方法的研究
    基于社會網(wǎng)絡(luò)分析的權(quán)威網(wǎng)頁挖掘研究
    主題搜索引擎中網(wǎng)絡(luò)爬蟲的實(shí)現(xiàn)研究
    淺析如何應(yīng)對網(wǎng)絡(luò)爬蟲流量
    中國市場(2016年23期)2016-07-05 04:35:08
    網(wǎng)絡(luò)爬蟲針對“反爬”網(wǎng)站的爬取策略研究
    基于隨機(jī)森林算法的B2B客戶分級系統(tǒng)的設(shè)計(jì)
    晚上一个人看的免费电影| 亚洲精品一区蜜桃| 色视频www国产| 国产乱来视频区| 午夜激情福利司机影院| 国内精品宾馆在线| 丰满少妇做爰视频| 久久97久久精品| 亚洲va在线va天堂va国产| 国产精品蜜桃在线观看| 国产在线免费精品| 看非洲黑人一级黄片| 一级二级三级毛片免费看| 国产 精品1| 国产高清三级在线| 全区人妻精品视频| 久久99热这里只有精品18| 国产高清有码在线观看视频| 妹子高潮喷水视频| 国产精品99久久久久久久久| av免费观看日本| 久久久久人妻精品一区果冻| 色视频www国产| 小蜜桃在线观看免费完整版高清| 91午夜精品亚洲一区二区三区| 各种免费的搞黄视频| 六月丁香七月| 国产亚洲av片在线观看秒播厂| 国产精品.久久久| av免费观看日本| 激情 狠狠 欧美| 国产成人精品福利久久| 久久久久精品久久久久真实原创| 免费观看性生交大片5| 色视频www国产| 精品一区二区三卡| 日本黄大片高清| 日韩大片免费观看网站| 亚洲va在线va天堂va国产| 久久久久久久国产电影| 不卡视频在线观看欧美| 午夜福利高清视频| 欧美国产精品一级二级三级 | 成人无遮挡网站| 最近的中文字幕免费完整| 国产 一区 欧美 日韩| 网址你懂的国产日韩在线| 久久国产乱子免费精品| 国产成人免费无遮挡视频| 国产精品久久久久久久久免| 久久久久国产网址| 精品国产乱码久久久久久小说| 国产综合精华液| 99热这里只有是精品在线观看| 亚洲av中文字字幕乱码综合| 汤姆久久久久久久影院中文字幕| 天美传媒精品一区二区| 国产视频内射| 亚洲欧美日韩东京热| 亚洲真实伦在线观看| 97在线视频观看| 简卡轻食公司| 国产伦精品一区二区三区四那| 日本黄大片高清| 大片电影免费在线观看免费| 亚洲欧美清纯卡通| 精品一区二区三卡| 蜜臀久久99精品久久宅男| 久久ye,这里只有精品| av女优亚洲男人天堂| 中文字幕久久专区| 中文字幕av成人在线电影| 亚洲内射少妇av| 五月天丁香电影| 青春草视频在线免费观看| 国产免费一级a男人的天堂| 亚洲精品色激情综合| 高清欧美精品videossex| 又爽又黄a免费视频| 国产av精品麻豆| 七月丁香在线播放| videossex国产| 精品人妻一区二区三区麻豆| 永久网站在线| 麻豆国产97在线/欧美| 中文乱码字字幕精品一区二区三区| 又黄又爽又刺激的免费视频.| 亚洲电影在线观看av| 成人国产av品久久久| 爱豆传媒免费全集在线观看| 国产精品嫩草影院av在线观看| 亚洲人成网站高清观看| 男女啪啪激烈高潮av片| 舔av片在线| 少妇熟女欧美另类| 国产欧美亚洲国产| 少妇人妻 视频| videossex国产| 乱码一卡2卡4卡精品| 免费观看av网站的网址| 亚洲内射少妇av| 国产黄色视频一区二区在线观看| 在线精品无人区一区二区三 | 亚洲av在线观看美女高潮| 一个人看的www免费观看视频| 一区二区av电影网| 毛片女人毛片| 亚洲av中文字字幕乱码综合| 国产精品成人在线| 高清不卡的av网站| 精品人妻一区二区三区麻豆| 亚洲一区二区三区欧美精品| 在线观看美女被高潮喷水网站| 国产精品伦人一区二区| .国产精品久久| 亚洲国产精品专区欧美| 乱系列少妇在线播放| kizo精华| 哪个播放器可以免费观看大片| 久久6这里有精品| 国产爽快片一区二区三区| .国产精品久久| 亚洲精品乱久久久久久| 亚洲国产色片| 日日摸夜夜添夜夜添av毛片| 亚洲电影在线观看av| 精品熟女少妇av免费看| 成人亚洲精品一区在线观看 | 纵有疾风起免费观看全集完整版| 91久久精品电影网| 国产女主播在线喷水免费视频网站| 国产一区二区在线观看日韩| 欧美日韩国产mv在线观看视频 | 高清av免费在线| a 毛片基地| 久久亚洲国产成人精品v| 国产一区二区三区av在线| 免费观看无遮挡的男女| 在线观看一区二区三区激情| 亚洲欧美精品专区久久| 国产免费一区二区三区四区乱码| 人妻 亚洲 视频| 国产极品天堂在线| av卡一久久| 国产精品麻豆人妻色哟哟久久| 1000部很黄的大片| 欧美日韩视频高清一区二区三区二| 欧美极品一区二区三区四区| 国产女主播在线喷水免费视频网站| 99九九线精品视频在线观看视频| 狠狠精品人妻久久久久久综合| 大陆偷拍与自拍| 亚洲自偷自拍三级| 日本黄色片子视频| 全区人妻精品视频| 亚洲精品国产成人久久av| 国产精品久久久久久精品古装| 女性生殖器流出的白浆| 亚洲精品色激情综合| 特大巨黑吊av在线直播| 男女免费视频国产| 人人妻人人添人人爽欧美一区卜 | 国产精品福利在线免费观看| 午夜福利影视在线免费观看| 国产毛片在线视频| 国产精品成人在线| 国产在视频线精品| 日韩成人伦理影院| 日韩不卡一区二区三区视频在线| 精品人妻熟女av久视频| 人人妻人人爽人人添夜夜欢视频 | 欧美少妇被猛烈插入视频| 韩国高清视频一区二区三区| av.在线天堂| 亚洲欧洲日产国产| 久久久久久久大尺度免费视频| 国产男女超爽视频在线观看| 国产视频首页在线观看| 亚洲av在线观看美女高潮| 成人毛片60女人毛片免费| 青青草视频在线视频观看| 欧美高清性xxxxhd video| 日本-黄色视频高清免费观看| 男女边吃奶边做爰视频| 国产在线一区二区三区精| 寂寞人妻少妇视频99o| 我要看日韩黄色一级片| 极品少妇高潮喷水抽搐| 亚洲av中文av极速乱| 久久韩国三级中文字幕| 欧美变态另类bdsm刘玥| 国内揄拍国产精品人妻在线| 亚洲人与动物交配视频| 免费av不卡在线播放| 免费久久久久久久精品成人欧美视频 | 亚洲美女搞黄在线观看| 亚洲电影在线观看av| 国产高清国产精品国产三级 | 日本猛色少妇xxxxx猛交久久| 亚洲精品成人av观看孕妇| 免费大片黄手机在线观看| 国产精品人妻久久久影院| 99热这里只有是精品在线观看| 欧美最新免费一区二区三区| 国产亚洲午夜精品一区二区久久| 国产精品蜜桃在线观看| 亚洲av国产av综合av卡| 大香蕉97超碰在线| 女性生殖器流出的白浆| 在线观看美女被高潮喷水网站| 乱码一卡2卡4卡精品| 久久久午夜欧美精品| 卡戴珊不雅视频在线播放| 青春草视频在线免费观看| 国产 一区精品| 国产在视频线精品| 国产在线免费精品| 久久人人爽av亚洲精品天堂 | 丰满乱子伦码专区| 中文字幕人妻熟人妻熟丝袜美| 亚洲精品日韩在线中文字幕| 久久 成人 亚洲| videos熟女内射| 亚洲精品日韩在线中文字幕| 日韩欧美精品免费久久| 不卡视频在线观看欧美| 男女国产视频网站| 亚洲第一av免费看| 草草在线视频免费看| 下体分泌物呈黄色| 插逼视频在线观看| 久久青草综合色| 国产欧美日韩精品一区二区| 久久99热这里只有精品18| 97精品久久久久久久久久精品| 成人亚洲精品一区在线观看 | 久久久久久久亚洲中文字幕| 视频区图区小说| a 毛片基地| 夫妻性生交免费视频一级片| 久久青草综合色| 狠狠精品人妻久久久久久综合| 成人毛片a级毛片在线播放| 一区二区三区四区激情视频| 欧美日本视频| 欧美精品国产亚洲| 老熟女久久久| 久久精品久久久久久噜噜老黄| 国产片特级美女逼逼视频| av视频免费观看在线观看| 日韩制服骚丝袜av| 香蕉精品网在线| 大话2 男鬼变身卡| 欧美日韩国产mv在线观看视频 | 婷婷色综合www| 在线精品无人区一区二区三 | 久久婷婷青草| 国产精品一及| 在线亚洲精品国产二区图片欧美 | 国产免费一级a男人的天堂| 国产高清有码在线观看视频| 亚洲,欧美,日韩| 一级片'在线观看视频| 国产一级毛片在线| 国产极品天堂在线| 精品人妻熟女av久视频| 午夜福利网站1000一区二区三区| 午夜福利影视在线免费观看| av天堂中文字幕网| 久久青草综合色| 午夜免费观看性视频| av免费在线看不卡| 国产欧美日韩一区二区三区在线 | 国产精品一区二区性色av| 久久 成人 亚洲| 亚洲精华国产精华液的使用体验| 欧美国产精品一级二级三级 | 制服丝袜香蕉在线| 天天躁日日操中文字幕| 日韩,欧美,国产一区二区三区| 国产精品人妻久久久影院| 在线亚洲精品国产二区图片欧美 | 熟女电影av网| 日韩三级伦理在线观看| 天天躁日日操中文字幕| 欧美xxxx性猛交bbbb| 欧美高清成人免费视频www| av网站免费在线观看视频| 国产精品免费大片| 五月天丁香电影| 国产伦精品一区二区三区四那| 天天躁夜夜躁狠狠久久av| 有码 亚洲区| 亚洲精品成人av观看孕妇| 欧美人与善性xxx| 欧美日韩视频精品一区| 18禁在线无遮挡免费观看视频| av黄色大香蕉| 国产熟女欧美一区二区| 黑人猛操日本美女一级片| 秋霞在线观看毛片| 色5月婷婷丁香| 九九久久精品国产亚洲av麻豆| 一区二区三区乱码不卡18| 国产日韩欧美在线精品| 国产爱豆传媒在线观看| 多毛熟女@视频| 亚洲精品中文字幕在线视频 | 国产久久久一区二区三区| 99精国产麻豆久久婷婷| 国产男女内射视频| 一区二区三区乱码不卡18| 最近最新中文字幕免费大全7| 91精品国产国语对白视频| 欧美 日韩 精品 国产| 久久久久久久亚洲中文字幕| 91久久精品电影网| 国产男人的电影天堂91| 免费看av在线观看网站| 国产黄片美女视频| 黑人高潮一二区| 亚洲欧美日韩另类电影网站 | 国内少妇人妻偷人精品xxx网站| 搡老乐熟女国产| 如何舔出高潮| 九九在线视频观看精品| 亚洲av福利一区| 欧美丝袜亚洲另类| 五月开心婷婷网| 久久人人爽人人爽人人片va| 精品人妻熟女av久视频| 黑丝袜美女国产一区| 久久 成人 亚洲| 日本黄色日本黄色录像| 少妇裸体淫交视频免费看高清| 中文字幕久久专区| 国产精品免费大片| 日韩一区二区视频免费看| 在线观看三级黄色| 国产一区有黄有色的免费视频| 日日撸夜夜添| 国产大屁股一区二区在线视频| 搡女人真爽免费视频火全软件| 亚洲精品国产av蜜桃| 国产精品偷伦视频观看了| 欧美xxxx性猛交bbbb| 两个人的视频大全免费| 国产美女午夜福利| 午夜福利网站1000一区二区三区| 亚洲国产色片| 亚洲精品自拍成人| 国产黄色视频一区二区在线观看| 久久久午夜欧美精品| 国产黄色视频一区二区在线观看| 午夜福利在线在线| 国产中年淑女户外野战色| 91久久精品电影网| 国产黄色视频一区二区在线观看| 国产极品天堂在线| 成年免费大片在线观看| av免费观看日本| 亚洲成人一二三区av| 国产午夜精品久久久久久一区二区三区| 最近2019中文字幕mv第一页| 欧美精品人与动牲交sv欧美| 久久人人爽人人片av| 欧美精品一区二区大全| 亚洲欧美日韩另类电影网站 | 午夜福利影视在线免费观看| 亚洲国产高清在线一区二区三| 最近手机中文字幕大全| 国产精品久久久久久久电影| 中文乱码字字幕精品一区二区三区| 天堂中文最新版在线下载| 一本久久精品| 免费观看av网站的网址| av不卡在线播放| 在线看a的网站| 高清欧美精品videossex| 天堂中文最新版在线下载| 免费观看的影片在线观看| 天堂中文最新版在线下载| 美女cb高潮喷水在线观看| 日本免费在线观看一区| 免费观看的影片在线观看| 亚洲电影在线观看av| 亚洲四区av| 永久网站在线| 亚洲欧美一区二区三区国产| 亚洲精品亚洲一区二区| 天堂俺去俺来也www色官网| av在线观看视频网站免费| 国产乱来视频区| 在线观看免费日韩欧美大片 | 国产中年淑女户外野战色| 国产精品国产三级专区第一集| 久久人人爽人人片av| 在线观看免费日韩欧美大片 | 亚洲精品成人av观看孕妇| 国产亚洲5aaaaa淫片| 国产视频内射| 久久精品久久久久久噜噜老黄| 国产深夜福利视频在线观看| 国产成人免费观看mmmm| 久久婷婷青草| 欧美一区二区亚洲| 人妻制服诱惑在线中文字幕| 亚洲高清免费不卡视频| 欧美日韩一区二区视频在线观看视频在线| 亚洲四区av| 久久久久久九九精品二区国产| 熟女人妻精品中文字幕| 欧美日韩在线观看h| 嘟嘟电影网在线观看| 精品久久久久久久久亚洲| 久久人人爽人人片av| 欧美最新免费一区二区三区| 国产精品99久久久久久久久| 男女下面进入的视频免费午夜| 亚洲婷婷狠狠爱综合网| 人妻一区二区av| 国产亚洲最大av| 久久久久久久久大av| 舔av片在线| 国产色婷婷99| 亚洲av成人精品一二三区| 成年免费大片在线观看| 国产女主播在线喷水免费视频网站| 能在线免费看毛片的网站| 精品一品国产午夜福利视频| 最近最新中文字幕免费大全7| 下体分泌物呈黄色| 亚洲四区av| 人妻一区二区av| 久久久久视频综合| 韩国高清视频一区二区三区| 国产av精品麻豆| 少妇裸体淫交视频免费看高清| 又爽又黄a免费视频| 在线观看av片永久免费下载| 精品少妇久久久久久888优播| 日韩电影二区| 国产成人91sexporn| 欧美3d第一页| 日本-黄色视频高清免费观看| 亚洲,一卡二卡三卡| 久久久欧美国产精品| 18禁裸乳无遮挡动漫免费视频| 亚洲欧洲日产国产| 国产真实伦视频高清在线观看| av不卡在线播放| 岛国毛片在线播放| 我的女老师完整版在线观看| 国产69精品久久久久777片| 久久热精品热| 一本一本综合久久| 国产精品一区二区在线观看99| 天美传媒精品一区二区| 亚洲精品一二三| 国产一区亚洲一区在线观看| 免费黄频网站在线观看国产| av免费观看日本| 国产亚洲一区二区精品| 久久久久精品久久久久真实原创| 99热这里只有是精品50| 91久久精品国产一区二区三区| 日韩成人伦理影院| 美女内射精品一级片tv| 永久网站在线| 日本黄色片子视频| 国产精品秋霞免费鲁丝片| 欧美一级a爱片免费观看看| 成人特级av手机在线观看| 国产一区二区三区综合在线观看 | 国产毛片在线视频| 99久久综合免费| 午夜福利网站1000一区二区三区| 建设人人有责人人尽责人人享有的 | 国国产精品蜜臀av免费| 色5月婷婷丁香| 啦啦啦视频在线资源免费观看| 九九在线视频观看精品| 久久人人爽人人片av| 久久精品久久久久久噜噜老黄| 国产色爽女视频免费观看| 国产精品爽爽va在线观看网站| 久久久久久久久久成人| 欧美日韩国产mv在线观看视频 | 如何舔出高潮| 五月玫瑰六月丁香| 国产伦理片在线播放av一区| 男男h啪啪无遮挡| 国产免费福利视频在线观看| 亚洲av综合色区一区| 日韩制服骚丝袜av| 欧美变态另类bdsm刘玥| 啦啦啦视频在线资源免费观看| 亚洲欧美精品自产自拍| 亚洲精品成人av观看孕妇| 亚洲欧洲国产日韩| 高清在线视频一区二区三区| 91久久精品国产一区二区三区| 亚洲中文av在线| 热99国产精品久久久久久7| 婷婷色麻豆天堂久久| 91精品国产九色| 一本色道久久久久久精品综合| av专区在线播放| 亚洲欧美日韩卡通动漫| 亚洲欧美一区二区三区黑人 | 99国产精品免费福利视频| 97热精品久久久久久| 欧美精品人与动牲交sv欧美| 中文字幕免费在线视频6| 又大又黄又爽视频免费| 中文字幕免费在线视频6| 日本午夜av视频| 特大巨黑吊av在线直播| 日本色播在线视频| 日韩一区二区三区影片| 一区二区三区精品91| 最近2019中文字幕mv第一页| 亚洲一区二区三区欧美精品| 免费黄色在线免费观看| 亚洲激情五月婷婷啪啪| 麻豆成人午夜福利视频| 亚洲欧美精品自产自拍| 欧美成人一区二区免费高清观看| 看十八女毛片水多多多| 欧美zozozo另类| 在线精品无人区一区二区三 | 中文字幕人妻熟人妻熟丝袜美| 亚洲综合色惰| 中文字幕人妻熟人妻熟丝袜美| 丰满人妻一区二区三区视频av| 欧美成人午夜免费资源| 亚洲国产av新网站| 九九爱精品视频在线观看| 久久精品久久久久久噜噜老黄| 伊人久久国产一区二区| 成人国产av品久久久| 建设人人有责人人尽责人人享有的 | 久久国产精品男人的天堂亚洲 | 午夜老司机福利剧场| 人人妻人人澡人人爽人人夜夜| 久久6这里有精品| 夫妻性生交免费视频一级片| 亚洲婷婷狠狠爱综合网| 精品国产露脸久久av麻豆| 亚洲欧美清纯卡通| 午夜福利在线观看免费完整高清在| 国产亚洲精品久久久com| 男女免费视频国产| 欧美精品亚洲一区二区| 纵有疾风起免费观看全集完整版| 久久久久国产精品人妻一区二区| 汤姆久久久久久久影院中文字幕| 韩国高清视频一区二区三区| 国产一区二区在线观看日韩| 亚洲精品国产av蜜桃| 亚洲av男天堂| 少妇精品久久久久久久| 青春草亚洲视频在线观看| 99re6热这里在线精品视频| 欧美成人a在线观看| 黄色日韩在线| 在线免费十八禁| 人妻夜夜爽99麻豆av| 亚洲av免费高清在线观看| 日韩欧美 国产精品| 免费黄色在线免费观看| 国产亚洲5aaaaa淫片| 大香蕉97超碰在线| 久久久久久久久久久免费av| 亚洲综合精品二区| 大香蕉久久网| 亚洲av电影在线观看一区二区三区| 人妻 亚洲 视频| 国产精品一区二区在线不卡| 看免费成人av毛片| 久久韩国三级中文字幕| 夜夜看夜夜爽夜夜摸| av不卡在线播放| 久久热精品热| 国产精品一二三区在线看| 男女下面进入的视频免费午夜| 国产乱人偷精品视频| 成人国产av品久久久| 久热久热在线精品观看| 日本wwww免费看| 秋霞伦理黄片| 丰满少妇做爰视频| 欧美精品一区二区免费开放| 亚洲丝袜综合中文字幕| 亚洲国产最新在线播放| 免费人妻精品一区二区三区视频| 国产精品麻豆人妻色哟哟久久| av国产精品久久久久影院| 亚洲精品自拍成人| 中文在线观看免费www的网站| 日本爱情动作片www.在线观看| 国产乱人视频| 涩涩av久久男人的天堂| 国产高清有码在线观看视频| 精品人妻偷拍中文字幕| 国产大屁股一区二区在线视频| av在线播放精品| 日韩av不卡免费在线播放| 丝袜喷水一区| 国产av国产精品国产| 2022亚洲国产成人精品| 久久久久久久久久久丰满| 日韩成人av中文字幕在线观看| 国产高潮美女av| 尤物成人国产欧美一区二区三区|