類神經網路(Neural Network)是人工智慧(Artificial Intelligence)的一種，利用模仿腦神經處理資訊的原理，以數學模型，經由電腦軟硬體等方式，對於不動產進行鑑價，可說是電腦估價的範疇之一。為解決以市場比較法進行估價作業時，估價人員往往因為自己的主觀認知有所不同，而產生估價結果有相當的差距，造成不能建立估價人員的專業公信力，產生人人均可以從事估價之錯覺。是以，為解決估價上過於主觀之問題，透過類神經網路之功能，能分析交易價格與影響價格主要因素之關係，利用大量已成交的資料，學習這些關係之結構變化，進而推估較具客觀性的價格，提供估價人員的諮詢與參考，恰有助於整個估價流程的合理性與可接受性。 對於文山區與大安區中古屋交易資料，以多層感知機 (Multilayer Perceptrons，MLP) 類神經網路模式之分析結果，可發現在年訓練資料的測試結果中，不動產交易價格波動變化穩定之狀況下的預估效果較佳，然而在不動產價格變動率較大之狀況下，其預估效果明顯降低；進一步比較的一年期訓練資料、半年期訓練資料、季訓練資料之預估結果後發現，以一年期訓練資料之預估效果較佳；經由輸入變數篩選後再預估，其整體預估效果均有改善；最後以訓練資料期間為選取導向與訓練資料量多寡為選取導向之測試結果作比較，可發現訓練資料期間為選取導向的預估結果較佳，說明訓練資料的選擇必須考量其時效的重要性。 關鍵字：類神經網路(Neural Network)、訓練資料選取、變數篩選分析