• <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 ?

    基于集成學習的房價預測模型

    2017-11-14 16:36:28楊博文曹布陽
    電腦知識與技術 2017年29期
    關鍵詞:集成學習隨機森林

    楊博文+曹布陽

    摘要:隨著國民生活水平的提高,人們對房產(chǎn)的需求不斷增加,對房價的關注度也持續(xù)變高。房價作為多指標影響因子,受到很多條件的影響[2-4][11]?,F(xiàn)有房價預測模型多屬于單一預測算法,預測精度不理想,當數(shù)據(jù)噪聲較大時又容易出現(xiàn)過擬合現(xiàn)象。針對這些問題,提出基于集成學習的房價預測模型。選用預測效果較好的Extra Trees,Random Forest,GBDT,XGB算法作為基礎預測模型,分別訓練并對四種基礎模型進行stacking[1][5]集成,最終得到集成學習的房價預測模型。在加州房價數(shù)據(jù)集上試驗表明,本方法相比于單一預測模型能夠有效提高預測的準確率及穩(wěn)定性,證實了本模型的有效性。

    關鍵詞:集成學習;房價預測;極度隨機樹; 隨機森林;GBDT;XGB; Stacking

    中圖分類號:TP391 文獻標識碼:A 文章編號:1009-3044(2017)29-0191-04

    1 概述

    房地產(chǎn)不僅是國民經(jīng)濟的支柱產(chǎn)業(yè),更和民生問題密不可分,隨著房產(chǎn)越炒越熱,人們對于房價的關注度也持續(xù)變高,因此能夠較為精準地對房價進行預測也變得越來越有意義。房價作為多指標影響因子,不僅受時間,區(qū)域的影響,房屋年齡、附近地理條件、人文、交通等等因素也同樣會對房價產(chǎn)生不同程度的影響?,F(xiàn)有的預測模型多屬于單一預測算法預測,預測精度并不理想,如人工神經(jīng)網(wǎng)絡,當數(shù)據(jù)量不夠龐大時預測效果得不到保證;而簡單的集成模型如隨機森林,當噪音較大時會出現(xiàn)過擬合,對于不同級別的屬性的數(shù)據(jù),級別劃分較多的屬性也會對隨機森林產(chǎn)生很大的影響?;谝陨蠁栴},本研究提出一種基于集成學習的房價預測模型,該模型集成了多個單一集成預測模型,包括極度隨機樹(ET), 隨機森林(RF), GBDT, XGB。利用集成學習方法中的stacking集成方法,首先對數(shù)據(jù)集進行劃分,利用每個預測模型(學習器)對房價特征進行提取并在第一個訓練集分別訓練,在第二個訓練集上測試這幾個學習器,把得到的測試結(jié)果作為輸入,正確回應作為輸出,訓練一個高層學習器作為我們最終的預測模型。實驗采用加州房價數(shù)據(jù)進行訓練與預測,通過不斷訓練和調(diào)參,利用均方誤差對單一預測模型與基于集成學習的房價預測模型進行誤差對比分析,實驗結(jié)果較為理想,證明了本研究方法的有效性和可行性。

    1.1 相關技術及現(xiàn)狀簡介

    本研究主要使用到四種基本預測模型,分別是Extra Trees,RF,GBDT,XGB。但現(xiàn)存的這四種較優(yōu)的預測模型具有優(yōu)點的同時也存在著不足:

    1.1.1 隨機森林模型[7]

    隨機森林是以決策樹為基本單元,通過集成學習的思想將多棵樹集成的一種算法。

    相比于簡單的決策樹,隨機森林有以下幾個優(yōu)點:

    1) 在當前的很多數(shù)據(jù)集上,相比其他算法有很大的優(yōu)勢,表現(xiàn)良好;

    2) 由于特征子集是隨機選擇的,因此它能夠處理很高維度的數(shù)據(jù),并且不用做特征選擇;

    3) 在生成過程中能夠獲得到內(nèi)部生成誤差的一種無偏估計,泛化能力好;

    不足體現(xiàn)在:

    1) 隨機森林在某些噪音較大的分類或回歸問題上會過擬合;

    2) 對于有不同取值的屬性的數(shù)據(jù),取值劃分較多的屬性會對隨機森林產(chǎn)生更大的影響。

    1.1.2 極度隨機樹模型

    Extra Trees, 也叫Extremely Randomized Trees, 是一種決策樹的組合方法。與隨機森林類似,同樣的bootstrap了樣本,隨機選取部分特征來構(gòu)造一棵樹,但相較于隨機森林,極度隨機樹對于劃分點的選擇更為隨機。優(yōu)點體現(xiàn)在:

    1) 相比于標準的隨機森林來說,極度隨機樹使得決策的邊界更加平滑;

    2) 極度隨機樹使用訓練樣本直接構(gòu)建隨機數(shù),對bagging的方式進行了修正,因此,當數(shù)據(jù)噪聲較大或數(shù)據(jù)量較大時極度隨機樹表現(xiàn)要優(yōu)于隨機森林。

    不足體現(xiàn)在:由于樣本劃分點更為隨機,可能存在選取結(jié)果不是最優(yōu)的情況,受數(shù)據(jù)的影響預測結(jié)果有時具有隨機性,容易不穩(wěn)定。

    1.1.3 梯度提升決策樹模型

    GBDT (Gradient Boosting Decision Tree)[8], 是一種迭代的決策樹算法,該算法由多棵決策樹組成,所有樹的結(jié)論累加起來做最終答案,被認為是一種泛化能力較強的算法。組成GBDT的樹是回歸樹,因此,GBDT大多用來做回歸預測。

    優(yōu)點明顯:它的非線性變換比較多,表達能力強,而且不需要做復雜的特征工程和特征變換。缺點主要體現(xiàn)在:Boost是一個串行過程,不好并行化,而且計算復雜度高,同時不太適合高維洗漱特征。

    基于以上目前較優(yōu)的預測算法模型的分析,當前模型對于預測大多存在,數(shù)據(jù)量噪聲大時容易過擬合、預測結(jié)果不穩(wěn)定、預測精度低等不足,因此基于這些問題,考慮進行集成學習訓練處一個較優(yōu)的集成預測模型。

    2 集成學習的房價預測模型

    基于集成學習預測模型可以對多特征的單一時間或空間數(shù)據(jù)進行穩(wěn)定的預測。但這里只針對加州房價數(shù)據(jù)進行訓練,使其能夠作為房價預測的一個穩(wěn)定的預測模型。圖1表示了整個實驗的模型訓練及集成過程。

    2.1 數(shù)據(jù)預處理

    本研究采用加州房價數(shù)據(jù)作為模型訓練與檢驗的數(shù)據(jù)集。通過對原始數(shù)據(jù)集進行分析發(fā)現(xiàn),數(shù)據(jù)不僅包括經(jīng)緯度、房屋面積、房屋年齡等這些數(shù)值數(shù)據(jù),還包括是在海岸附近還是內(nèi)地的非數(shù)值數(shù)據(jù);同時數(shù)據(jù)中還存在一些空數(shù)據(jù)。因此在對模型進行訓練之前要首先對數(shù)據(jù)進行清洗,對于選取的特征的非數(shù)值數(shù)據(jù)進行數(shù)值化處理,同時對空數(shù)據(jù)進行替換;處理結(jié)果如表1,表2所示。

    通過清洗好的數(shù)據(jù)進行分析,我們得到了15個屬性特征,由于數(shù)據(jù)集包含20000條左右的數(shù)據(jù),特征太多容易導致預測結(jié)果過擬合,因此還需要對數(shù)據(jù)進行降維處理,以避免過擬合情況的發(fā)生,這里我們采用主成分分析(PCA)的方法對數(shù)據(jù)進行降維。首先構(gòu)建樣本矩陣X, 基于特征維數(shù)及數(shù)據(jù)個數(shù)構(gòu)建一個15*20000的樣本矩陣X=[x1,x2,…,xn]15*20000, 作為樣本;然后,我們求這個樣本的協(xié)方差矩陣C,通過計算求出協(xié)方差矩陣C應該有15個特征值和特征向量,因此我們根據(jù)特征值的大小進行排序并由此調(diào)整特征向量的排布 D =sort(D); V=sort(V); 保留排序最靠前的特征值, 根據(jù)公式計算降維后的新樣本矩陣Y作為最終的訓練樣本。endprint

    2.2 單一預測算法訓練

    本研究基于stacking[9-10]集成學習方法進行集成,因此首先要對選取的ET, RF, GBDT, XGB算 法分別進行訓練,采用四種算法相對應的回歸模型,利用上一步降維后得到的新樣本矩陣Y作為四種算法的訓練樣本進行輸入;我們對數(shù)據(jù)樣本進行了切分,采用總數(shù)據(jù)樣本的99.5%作為訓練集,0.5%作為測試集,以驗證預測結(jié)果的有效性,從而對模型參數(shù)做出調(diào)整以達到各自模型預測的最好效果。通過多次試驗測試對各個模型參數(shù)進行調(diào)整,結(jié)果如表3所預測效果最優(yōu)。

    調(diào)整參數(shù)后對測試集進行預測,并與真實數(shù)據(jù)進行對比,四種模型預測結(jié)果分別如圖2所示。

    通過均方誤差計算各自的損失函數(shù)結(jié)果如表4所示。

    通過損失函數(shù)結(jié)果分析,GBDT和XGB兩種模型的預測效果要優(yōu)于ET和RF。接下來我們將對四種模型進行集成,并用同樣的方法來評估結(jié)果,以證明集成的有效性

    2.3 模型集成及訓練

    在前一節(jié),我們已經(jīng)對選用的四種基本模型進行了訓練,并得到了相應的預測模型及預測結(jié)果,因此,我們在此基礎上對模型進行stacking集成,以得到最終的集成模型。這個訓練過程主要分為兩層:假設給定的樣本數(shù)據(jù)集L包含n個樣本,這里選取的加州房價數(shù)據(jù)包含20000個樣本,即L={{ xi, yi }, i=1,2,…,n }, 其中xi是第i個樣本的特征值通過降維后的條件值,yi是第i個樣本的房價真實值,n=20000, 一共有4個不同算法的學習器。為了防止過擬合的情況,在構(gòu)造第二層數(shù)據(jù)集時采用了交叉驗證的思想,即將原始數(shù)據(jù)集隨機分成數(shù)目大致相等的K個部分L1, L2, … , Lk, 定義Lk和L^-k = L — Lk, k= 1,2, … , k分別為第k折交叉驗證的測試集和訓練集,在訓練集上分別訓練這4個算法,得到4個模型,然后在測試集上進行預測得到預測值,記為Zij, 表示第i個樣本經(jīng)過第j個算法的預測。這個過程重復K次,則原始數(shù)據(jù)集每一個樣本都有t個與之對應的預測值,這些預測值與對應樣本的真實值組成第二層數(shù)據(jù)集Lcv = {( Zi1, Zi2,…, Zit,yi), i = 1,2,…,n}。即集成訓練的訓練集為前一步所有預測結(jié)果與原始樣本真實值組成的新的數(shù)據(jù)集,在Lcv上再次學習得到最終的集成預測模型。

    通過上一節(jié)結(jié)果對比發(fā)現(xiàn)GDBT模型對于預測效果較為理想,因此我們再次選用GDBT作為訓練模型,同樣的也對n_estimators, learning_rate, subsample, verbose等參數(shù)進行調(diào)整并當取得穩(wěn)定最優(yōu)解時作為選取的參數(shù)值,最終得到n_estimators=100, learning_rate=0.05, subsample=0.75, verbose=20時預測結(jié)果最優(yōu)。至此,基于集成學習的房價預測模型訓練并構(gòu)建完成,接下來將對此模型進行評估以驗證其有效性。

    2.4 結(jié)果分析

    與四種基本模型相似,我們同樣做出集成模型在預測集上的預測房價與實際房價的對比圖如圖3所示。

    其中坐標橫軸表示房價各種特征降維后的一維值,縱軸表示房價值;藍色表示實際房價,橙色表示預測房價。由于預測差異細微,通過對比圖不能很直觀地看出集成模型的效果,因此我們依然利用損失函數(shù),通過均方誤差的方法來評估每個模型的預測效果,結(jié)果如表5所示。

    通過均方誤差結(jié)果進行對比分析可以看出,利用集成學習預測模型預測,相比于其他四種基礎的預測模型的預測結(jié)果,均方誤差降低了6.7%左右,預測效果優(yōu)于四種基礎模型中的任意一種。實驗結(jié)果表明,基于集成學習的房價預測模型對于提高房價的預測效果是有效的。

    3 結(jié)論

    本研究提出了一種集成學習的房價預測模型,該模型通過stacking的集成學習方法,集成了ET, RF, GBDT, XGB四種基本的算法,使用加州房價數(shù)據(jù),提取多個有效特征,對目標數(shù)據(jù)降維并分別進行訓練,將各自的預測結(jié)果作為集成模型的輸入進行二次訓練得到最終的預測模型。該模型的優(yōu)點在于可以在一定程度上提高房價的預測效果,并能夠有效避免當數(shù)據(jù)噪聲較大或特征較多時過擬合的情況發(fā)生。相比于其他的預測算法,雖然預測效果不一定在所有情況下都優(yōu)于單一算法預測模型,但通過多算法集成互補的思想極大提高了模型的穩(wěn)定性,通過多次實驗證明其預測效果穩(wěn)定,同時預測精度也較為理想。下一步工作中,將采用更多不同特征數(shù)據(jù)對該模型進行測試,進一步優(yōu)化該集成模型,以提高模型的性能及預測準確度。

    參考文獻:

    [1] 周志華. 機器學習[M].北京:清華大學出版社, 2016.

    [2] 李東月. 房價預測模型的比較研究[J]. 工業(yè)技術經(jīng)濟, 2006, 25(9):65-67.

    [3] 陳世鵬, 金升平. 基于隨機森林模型的房價預測[J]. 科技創(chuàng)新與應用, 2016 (4):52-52.

    [4] Rajan U, Seru A, Vig V. The failure of models that predict failure: Distance, incentives, and defaults[J]. Journal of Financial Economics, 2015, 115(2):237-260.

    [5] Burger E M, Moura S J. Building Electricity Load Forecasting via Stacking Ensemble Learning Method with Moving Horizon Optimization[J]. 2015.

    [6] Chen T, He T. Xgboost: extreme gradient boosting[J]. R package version 0.4-2, 2015.

    [7] 李欣海. 隨機森林模型在分類與回歸分析中的應用[J]. 應用昆蟲學報, 2013, 50(4):1190-1197.

    [8] Liu J, Wu C. A gradient-boosting decision-tree approach for firm failure prediction: an empirical model evaluation of Chinese listed companies[J]. JOURNAL OF RISK MODEL VALIDATION, 2017, 11(2):43-64.

    [9] Sikora R. A modified stacking ensemble machine learning algorithm using genetic algorithms[M]//Handbook of Research on Organizational Transformations through Big Data Analytics. IGI Global, 2015: 43-53.

    [10] Sikora R. A modified stacking ensemble machine learning algorithm using genetic algorithms[M]//Handbook of Research on Organizational Transformations through Big Data Analytics. IGI Global, 2015: 43-53.

    [11] Glaeser E L, Nathanson C G. An extrapolative model of house price dynamics[J]. Journal of Financial Economics, 2017.endprint

    猜你喜歡
    集成學習隨機森林
    基于局部有效性的選擇性決策樹集成
    基于集成學習的高送轉(zhuǎn)股票研究
    時代金融(2016年36期)2017-03-31 05:44:10
    基于稀疏編碼器與集成學習的文本分類
    基于屬性權(quán)重的Bagging回歸算法研究
    隨機森林在棉蚜蟲害等級預測中的應用
    基于二次隨機森林的不平衡數(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)測預報的隨機森林模型及應用
    基于隨機森林算法的飛機發(fā)動機故障診斷方法的研究
    基于改進的LogitBoost算法的垃圾網(wǎng)頁檢測研究
    科技視界(2015年27期)2015-10-08 11:01:28
    基于隨機森林算法的B2B客戶分級系統(tǒng)的設計
    男人的好看免费观看在线视频 | 一区福利在线观看| av视频在线观看入口| 无人区码免费观看不卡| 脱女人内裤的视频| 免费在线观看影片大全网站| 免费高清视频大片| 国产av又大| 国产片内射在线| 在线观看舔阴道视频| 亚洲精品中文字幕在线视频| 1024香蕉在线观看| 99久久无色码亚洲精品果冻| 首页视频小说图片口味搜索| 不卡av一区二区三区| 男人舔奶头视频| 天堂动漫精品| 午夜福利视频1000在线观看| 亚洲欧洲精品一区二区精品久久久| 亚洲最大成人中文| 国产高清激情床上av| 黄频高清免费视频| 国产69精品久久久久777片 | 午夜影院日韩av| 久久久久久久午夜电影| x7x7x7水蜜桃| 亚洲av中文字字幕乱码综合| 97碰自拍视频| 俄罗斯特黄特色一大片| 可以免费在线观看a视频的电影网站| 亚洲中文日韩欧美视频| 日韩免费av在线播放| 国产高清视频在线观看网站| 99精品久久久久人妻精品| 国产在线精品亚洲第一网站| 精品国产亚洲在线| 亚洲熟妇熟女久久| 精品一区二区三区四区五区乱码| 国产99久久九九免费精品| 久久久久久免费高清国产稀缺| 精品国产美女av久久久久小说| 国产高清有码在线观看视频 | 午夜视频精品福利| 91成年电影在线观看| av福利片在线| 亚洲av成人一区二区三| 欧美av亚洲av综合av国产av| 亚洲精品中文字幕一二三四区| 欧美黄色淫秽网站| 一本大道久久a久久精品| 最好的美女福利视频网| 日本a在线网址| 亚洲欧美激情综合另类| 少妇熟女aⅴ在线视频| 巨乳人妻的诱惑在线观看| 国产亚洲精品久久久久5区| 国产视频内射| 亚洲午夜精品一区,二区,三区| 美女大奶头视频| 我要搜黄色片| 亚洲国产中文字幕在线视频| 国产亚洲精品久久久久久毛片| 午夜免费观看网址| 操出白浆在线播放| 国产伦一二天堂av在线观看| av在线播放免费不卡| 欧美zozozo另类| 人妻久久中文字幕网| 日本熟妇午夜| 久久99热这里只有精品18| 一级片免费观看大全| 法律面前人人平等表现在哪些方面| 日韩精品中文字幕看吧| 一区福利在线观看| 日本 欧美在线| 蜜桃久久精品国产亚洲av| 欧美激情久久久久久爽电影| 国产91精品成人一区二区三区| www.www免费av| 午夜久久久久精精品| 精品不卡国产一区二区三区| 国产精品久久久久久精品电影| 欧美成人一区二区免费高清观看 | 欧美成人午夜精品| 女生性感内裤真人,穿戴方法视频| 99在线视频只有这里精品首页| 日日爽夜夜爽网站| 久久久国产欧美日韩av| 又大又爽又粗| 丁香六月欧美| 亚洲自拍偷在线| 黄频高清免费视频| 国产av一区在线观看免费| 老熟妇乱子伦视频在线观看| 男女午夜视频在线观看| 制服丝袜大香蕉在线| 1024手机看黄色片| 91大片在线观看| 精品国产亚洲在线| 亚洲九九香蕉| 日韩欧美国产在线观看| 热99re8久久精品国产| 午夜精品一区二区三区免费看| 精品国产亚洲在线| 叶爱在线成人免费视频播放| 午夜久久久久精精品| 三级国产精品欧美在线观看 | 一进一出抽搐动态| 欧美性长视频在线观看| 黄片小视频在线播放| 麻豆成人午夜福利视频| 老司机深夜福利视频在线观看| 18禁黄网站禁片免费观看直播| 欧美zozozo另类| www.熟女人妻精品国产| 日本免费一区二区三区高清不卡| 岛国在线免费视频观看| 欧美久久黑人一区二区| 国产野战对白在线观看| 在线观看午夜福利视频| 亚洲成av人片在线播放无| 亚洲欧美日韩无卡精品| 成人手机av| 成人一区二区视频在线观看| 一级a爱片免费观看的视频| 69av精品久久久久久| 亚洲第一电影网av| 999精品在线视频| 国产精品爽爽va在线观看网站| 免费看日本二区| 欧美不卡视频在线免费观看 | 成人精品一区二区免费| 啦啦啦免费观看视频1| 老鸭窝网址在线观看| 久久午夜综合久久蜜桃| 亚洲真实伦在线观看| 制服丝袜大香蕉在线| 国产精品 欧美亚洲| 夜夜看夜夜爽夜夜摸| 男女床上黄色一级片免费看| 久久久久久亚洲精品国产蜜桃av| 亚洲成人免费电影在线观看| 亚洲性夜色夜夜综合| 狂野欧美激情性xxxx| 免费无遮挡裸体视频| 亚洲成人国产一区在线观看| 99久久精品国产亚洲精品| 色老头精品视频在线观看| 国产欧美日韩一区二区三| 一本一本综合久久| 亚洲国产精品合色在线| 亚洲精品美女久久av网站| aaaaa片日本免费| 激情在线观看视频在线高清| 黄色视频不卡| 首页视频小说图片口味搜索| 日本黄大片高清| 舔av片在线| 法律面前人人平等表现在哪些方面| 亚洲精品在线美女| 免费看美女性在线毛片视频| 精品第一国产精品| 国产精品久久久久久亚洲av鲁大| 亚洲一码二码三码区别大吗| 九色国产91popny在线| 久久久久久人人人人人| 亚洲av熟女| 久久久久精品国产欧美久久久| 老汉色∧v一级毛片| 亚洲九九香蕉| 啦啦啦观看免费观看视频高清| 久久久久亚洲av毛片大全| 亚洲一码二码三码区别大吗| 99国产精品99久久久久| 久久精品国产亚洲av香蕉五月| 午夜免费激情av| 亚洲成av人片在线播放无| 亚洲美女视频黄频| 在线观看日韩欧美| 亚洲自偷自拍图片 自拍| 色综合亚洲欧美另类图片| 日本一区二区免费在线视频| 国产亚洲av高清不卡| 国产一区二区在线av高清观看| 国产69精品久久久久777片 | 88av欧美| 亚洲avbb在线观看| 人人妻,人人澡人人爽秒播| 日韩av在线大香蕉| 99国产精品99久久久久| 亚洲,欧美精品.| 亚洲人成伊人成综合网2020| 777久久人妻少妇嫩草av网站| 亚洲av成人av| 欧美日韩亚洲国产一区二区在线观看| 久久欧美精品欧美久久欧美| 国产精品久久久久久人妻精品电影| 精品久久久久久久久久免费视频| 啦啦啦免费观看视频1| 国产av又大| 亚洲欧美日韩东京热| 亚洲国产欧洲综合997久久,| 精品久久久久久成人av| 国产高清视频在线播放一区| 久久天躁狠狠躁夜夜2o2o| 中文字幕高清在线视频| 99热只有精品国产| 婷婷丁香在线五月| 又粗又爽又猛毛片免费看| 叶爱在线成人免费视频播放| 窝窝影院91人妻| 亚洲片人在线观看| av福利片在线| 全区人妻精品视频| 一夜夜www| 99热这里只有是精品50| 两个人免费观看高清视频| 操出白浆在线播放| 在线观看www视频免费| 男女之事视频高清在线观看| 亚洲av片天天在线观看| 欧美午夜高清在线| 色av中文字幕| av中文乱码字幕在线| 国模一区二区三区四区视频 | 亚洲成人精品中文字幕电影| 两性夫妻黄色片| 少妇熟女aⅴ在线视频| АⅤ资源中文在线天堂| 高清在线国产一区| 一级a爱片免费观看的视频| 午夜精品久久久久久毛片777| 成人国产综合亚洲| 在线观看美女被高潮喷水网站 | 男女下面进入的视频免费午夜| 久久久国产成人免费| 老熟妇乱子伦视频在线观看| 少妇裸体淫交视频免费看高清 | 午夜a级毛片| 午夜激情福利司机影院| 国产午夜福利久久久久久| 一夜夜www| 成人欧美大片| 国产男靠女视频免费网站| 我要搜黄色片| 看黄色毛片网站| 欧美+亚洲+日韩+国产| 一个人免费在线观看电影 | 一进一出抽搐gif免费好疼| 欧美zozozo另类| 欧美成人性av电影在线观看| 日日摸夜夜添夜夜添小说| 午夜福利欧美成人| 夜夜夜夜夜久久久久| 成人特级黄色片久久久久久久| 久久中文字幕一级| 日韩欧美在线乱码| 老汉色av国产亚洲站长工具| 欧美久久黑人一区二区| 免费av毛片视频| e午夜精品久久久久久久| 亚洲精品中文字幕在线视频| 高清毛片免费观看视频网站| 少妇熟女aⅴ在线视频| 亚洲精品美女久久av网站| 熟女少妇亚洲综合色aaa.| 久久欧美精品欧美久久欧美| 成人手机av| 亚洲色图av天堂| 精品久久久久久久毛片微露脸| 久久午夜综合久久蜜桃| 男人舔女人下体高潮全视频| 久久久久久亚洲精品国产蜜桃av| 久久欧美精品欧美久久欧美| tocl精华| 精品国产超薄肉色丝袜足j| 久久久久久久精品吃奶| 亚洲va日本ⅴa欧美va伊人久久| 变态另类丝袜制服| 亚洲欧美日韩高清在线视频| 99热只有精品国产| 国产又黄又爽又无遮挡在线| 久久精品aⅴ一区二区三区四区| 亚洲欧美激情综合另类| 我的老师免费观看完整版| 麻豆av在线久日| 国产亚洲精品一区二区www| 亚洲国产欧洲综合997久久,| 国产片内射在线| 啦啦啦免费观看视频1| 免费在线观看成人毛片| 一进一出抽搐gif免费好疼| 日韩高清综合在线| 亚洲精品一卡2卡三卡4卡5卡| 性色av乱码一区二区三区2| 日日摸夜夜添夜夜添小说| 丰满人妻一区二区三区视频av | 亚洲国产精品成人综合色| 欧美高清成人免费视频www| 99精品欧美一区二区三区四区| 午夜福利成人在线免费观看| 天天躁狠狠躁夜夜躁狠狠躁| 欧美3d第一页| 久久国产乱子伦精品免费另类| 欧美人与性动交α欧美精品济南到| 国产视频一区二区在线看| 精品免费久久久久久久清纯| 欧美 亚洲 国产 日韩一| 亚洲中文av在线| 亚洲在线自拍视频| 亚洲,欧美精品.| 国产久久久一区二区三区| 一级a爱片免费观看的视频| 国产视频内射| 久久人人精品亚洲av| 欧美日韩福利视频一区二区| 免费在线观看影片大全网站| 国产熟女午夜一区二区三区| 麻豆成人av在线观看| 日本a在线网址| netflix在线观看网站| 久久精品影院6| 最新美女视频免费是黄的| 男女做爰动态图高潮gif福利片| 婷婷丁香在线五月| 国产不卡一卡二| 最新在线观看一区二区三区| 亚洲精品一区av在线观看| 国产真实乱freesex| 亚洲国产高清在线一区二区三| 啪啪无遮挡十八禁网站| 婷婷精品国产亚洲av| av视频在线观看入口| 无限看片的www在线观看| 欧美日韩中文字幕国产精品一区二区三区| 一级毛片高清免费大全| 淫秽高清视频在线观看| 色综合婷婷激情| 久久久久久国产a免费观看| 国产探花在线观看一区二区| 麻豆国产97在线/欧美 | 亚洲18禁久久av| 久久午夜综合久久蜜桃| 亚洲男人天堂网一区| 亚洲第一电影网av| 宅男免费午夜| 国产成人av激情在线播放| 欧美黄色片欧美黄色片| 国产精品一区二区免费欧美| 日本精品一区二区三区蜜桃| 99精品在免费线老司机午夜| 国产精品日韩av在线免费观看| 高潮久久久久久久久久久不卡| 91麻豆精品激情在线观看国产| 在线播放国产精品三级| 国产免费av片在线观看野外av| 精品日产1卡2卡| 欧美在线黄色| 色尼玛亚洲综合影院| 久久精品国产亚洲av香蕉五月| √禁漫天堂资源中文www| 天天躁狠狠躁夜夜躁狠狠躁| 成熟少妇高潮喷水视频| 男女下面进入的视频免费午夜| 欧美另类亚洲清纯唯美| 国产免费av片在线观看野外av| 欧美国产日韩亚洲一区| 国产精品,欧美在线| 在线播放国产精品三级| 岛国视频午夜一区免费看| 日韩欧美国产在线观看| 中文字幕人妻丝袜一区二区| 啦啦啦观看免费观看视频高清| 老汉色av国产亚洲站长工具| 成人精品一区二区免费| 久久中文字幕一级| 日韩精品中文字幕看吧| 一级毛片我不卡| 成人特级黄色片久久久久久久| 国产亚洲精品久久久com| 久久精品91蜜桃| 亚洲精品国产av成人精品| 在线观看免费视频日本深夜| 午夜免费激情av| 午夜福利在线观看免费完整高清在 | 国产精品永久免费网站| 99热网站在线观看| 国产色婷婷99| a级毛片a级免费在线| 中文字幕av在线有码专区| 嫩草影院精品99| 欧美高清成人免费视频www| 听说在线观看完整版免费高清| kizo精华| 一区二区三区四区激情视频 | 毛片女人毛片| 天天躁夜夜躁狠狠久久av| 亚洲成人久久爱视频| 精品人妻偷拍中文字幕| 成年免费大片在线观看| 免费观看a级毛片全部| 欧美另类亚洲清纯唯美| 免费电影在线观看免费观看| 精品国内亚洲2022精品成人| 久久精品综合一区二区三区| 欧美+日韩+精品| 成人午夜高清在线视频| 人体艺术视频欧美日本| 午夜精品在线福利| 亚洲精品亚洲一区二区| 桃色一区二区三区在线观看| 在线观看一区二区三区| 久久精品国产鲁丝片午夜精品| 国产精品,欧美在线| 亚洲在线自拍视频| 综合色av麻豆| 免费看光身美女| av卡一久久| 全区人妻精品视频| 国产成人aa在线观看| 国产三级中文精品| 性欧美人与动物交配| av国产免费在线观看| 国产久久久一区二区三区| 色吧在线观看| 成人午夜精彩视频在线观看| 国产黄色小视频在线观看| 成年版毛片免费区| 国内精品宾馆在线| 波多野结衣高清无吗| 婷婷色av中文字幕| 免费av毛片视频| 日韩视频在线欧美| 黄色视频,在线免费观看| 日本熟妇午夜| 插阴视频在线观看视频| 亚洲成人久久性| 久久人人爽人人片av| 亚洲精品日韩av片在线观看| 日韩欧美国产在线观看| АⅤ资源中文在线天堂| 91狼人影院| 国产黄a三级三级三级人| 国产欧美日韩精品一区二区| 日本免费a在线| 国产精品乱码一区二三区的特点| 99国产精品一区二区蜜桃av| 成年女人看的毛片在线观看| 韩国av在线不卡| 欧美日韩精品成人综合77777| 又爽又黄a免费视频| 国产av不卡久久| 日韩在线高清观看一区二区三区| 亚洲国产精品成人综合色| av卡一久久| 国产老妇女一区| 国产淫片久久久久久久久| 神马国产精品三级电影在线观看| 久久草成人影院| 午夜a级毛片| 99热这里只有是精品50| 狂野欧美激情性xxxx在线观看| 免费看光身美女| 亚洲精品久久国产高清桃花| 边亲边吃奶的免费视频| 国产亚洲欧美98| 久久亚洲精品不卡| 亚洲在线观看片| 嫩草影院精品99| 欧美不卡视频在线免费观看| 日韩亚洲欧美综合| 久久99精品国语久久久| 久久精品国产鲁丝片午夜精品| 久久人人爽人人爽人人片va| 欧美激情国产日韩精品一区| 性色avwww在线观看| 边亲边吃奶的免费视频| 国产一级毛片在线| 爱豆传媒免费全集在线观看| 中国美白少妇内射xxxbb| 久久韩国三级中文字幕| 边亲边吃奶的免费视频| 99久国产av精品| 国产精品免费一区二区三区在线| kizo精华| videossex国产| 日本免费一区二区三区高清不卡| 亚洲av不卡在线观看| 国产一区亚洲一区在线观看| 亚洲精华国产精华液的使用体验 | 国产精品一区二区性色av| 国产精品一二三区在线看| 99久久精品热视频| 国产在线男女| 国产精品久久久久久av不卡| 午夜福利高清视频| 国产精品久久久久久久久免| 美女黄网站色视频| 久久久久免费精品人妻一区二区| 亚洲精品影视一区二区三区av| 身体一侧抽搐| 干丝袜人妻中文字幕| 亚洲av.av天堂| 人人妻人人看人人澡| 夜夜爽天天搞| 1000部很黄的大片| 国产精品蜜桃在线观看 | 亚洲图色成人| 麻豆国产97在线/欧美| 亚洲最大成人中文| 99在线视频只有这里精品首页| 深夜a级毛片| 国产高清三级在线| 在线观看美女被高潮喷水网站| 熟女电影av网| a级毛色黄片| 久久久久久久久大av| 国产在线男女| 美女内射精品一级片tv| 国产三级中文精品| 久久久久久久久久久丰满| 精品久久国产蜜桃| 久久久久久久久久久免费av| 简卡轻食公司| 热99在线观看视频| 久久这里有精品视频免费| 69av精品久久久久久| 日韩欧美 国产精品| 久久精品国产99精品国产亚洲性色| 国产精品国产三级国产av玫瑰| 国产伦理片在线播放av一区 | 成年版毛片免费区| 最近2019中文字幕mv第一页| 国产伦精品一区二区三区视频9| 精品久久久久久久人妻蜜臀av| 免费人成视频x8x8入口观看| 大型黄色视频在线免费观看| 成年av动漫网址| 欧美一区二区国产精品久久精品| 波野结衣二区三区在线| 国产黄色视频一区二区在线观看 | 天天躁日日操中文字幕| 此物有八面人人有两片| 直男gayav资源| 色综合站精品国产| 精品不卡国产一区二区三区| 国产亚洲欧美98| 久久久久久久久久黄片| 国产伦在线观看视频一区| 给我免费播放毛片高清在线观看| 亚洲精品自拍成人| 中文在线观看免费www的网站| or卡值多少钱| 欧美日韩综合久久久久久| 精品无人区乱码1区二区| 亚洲av.av天堂| 成人永久免费在线观看视频| 在现免费观看毛片| 久久精品久久久久久噜噜老黄 | 男女啪啪激烈高潮av片| 久久精品国产鲁丝片午夜精品| 嫩草影院精品99| 日本黄色视频三级网站网址| 国产v大片淫在线免费观看| 亚洲内射少妇av| 国产精品国产高清国产av| 亚洲成人久久爱视频| 久久久成人免费电影| 看黄色毛片网站| 高清毛片免费观看视频网站| 美女大奶头视频| 成人欧美大片| 久久韩国三级中文字幕| 亚洲精品久久久久久婷婷小说 | 色5月婷婷丁香| 一本一本综合久久| 国内揄拍国产精品人妻在线| 精品久久久久久久人妻蜜臀av| 在线观看午夜福利视频| 日韩欧美精品v在线| 国产日韩欧美在线精品| 亚洲国产精品成人综合色| 亚洲av中文av极速乱| 精品人妻一区二区三区麻豆| 一个人免费在线观看电影| 国产精品综合久久久久久久免费| 免费黄网站久久成人精品| 我要看日韩黄色一级片| 亚洲国产高清在线一区二区三| 晚上一个人看的免费电影| 久久久精品94久久精品| 欧美日韩综合久久久久久| 一级av片app| 亚洲国产欧美人成| 在线天堂最新版资源| 国产单亲对白刺激| 又粗又硬又长又爽又黄的视频 | 精品免费久久久久久久清纯| 久久久久久九九精品二区国产| 99久久成人亚洲精品观看| 观看美女的网站| 日本免费一区二区三区高清不卡| 一本精品99久久精品77| 久久久精品欧美日韩精品| 身体一侧抽搐| 国内久久婷婷六月综合欲色啪| 观看美女的网站| 男女啪啪激烈高潮av片| 国产精品麻豆人妻色哟哟久久 | 观看美女的网站| 天天躁夜夜躁狠狠久久av| 最近最新中文字幕大全电影3| 欧美zozozo另类| 人人妻人人澡欧美一区二区| 成人一区二区视频在线观看|