• <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
    国产蜜桃级精品一区二区三区| 狂野欧美激情性xxxx在线观看| 一级毛片久久久久久久久女| 麻豆精品久久久久久蜜桃| 亚洲在线自拍视频| 国产熟女欧美一区二区| 日韩欧美一区二区三区在线观看| 丝袜美腿在线中文| 国产精品久久久久久久久免| 国产精品国产高清国产av| 国产爱豆传媒在线观看| 久久久久久久久久黄片| 久久亚洲真实| 好男人在线观看高清免费视频| 女人十人毛片免费观看3o分钟| 亚洲内射少妇av| 国产午夜精品久久久久久一区二区三区 | 国语自产精品视频在线第100页| 亚洲 国产 在线| 欧美黑人欧美精品刺激| 日本一二三区视频观看| 级片在线观看| 日韩中文字幕欧美一区二区| 在线观看一区二区三区| 婷婷精品国产亚洲av在线| 露出奶头的视频| 俄罗斯特黄特色一大片| 天天躁日日操中文字幕| 免费观看人在逋| 亚洲av一区综合| xxxwww97欧美| 一个人看视频在线观看www免费| 国内少妇人妻偷人精品xxx网站| 亚洲精品色激情综合| 国产精品久久视频播放| 久久国产精品人妻蜜桃| 悠悠久久av| 五月玫瑰六月丁香| 少妇人妻精品综合一区二区 | 日本a在线网址| 桃色一区二区三区在线观看| 两性午夜刺激爽爽歪歪视频在线观看| 色在线成人网| 91久久精品国产一区二区成人| 成人二区视频| 国产伦在线观看视频一区| 国产三级中文精品| 久久久精品欧美日韩精品| 少妇人妻精品综合一区二区 | 午夜激情福利司机影院| 国产激情偷乱视频一区二区| 午夜福利在线在线| 美女xxoo啪啪120秒动态图| 精品人妻熟女av久视频| 99久久精品一区二区三区| 1000部很黄的大片| 深爱激情五月婷婷| 特大巨黑吊av在线直播| av天堂中文字幕网| 91麻豆精品激情在线观看国产| 中亚洲国语对白在线视频| 校园春色视频在线观看| 少妇高潮的动态图| 99热网站在线观看| 高清毛片免费观看视频网站| 国产在线精品亚洲第一网站| 一区二区三区激情视频| 免费电影在线观看免费观看| 高清毛片免费观看视频网站| av专区在线播放| 国产高清视频在线播放一区| 嫩草影院精品99| xxxwww97欧美| 国产黄片美女视频| 亚洲av免费在线观看| 久久久久九九精品影院| 久久精品国产99精品国产亚洲性色| 免费看av在线观看网站| 美女高潮的动态| 色尼玛亚洲综合影院| 尾随美女入室| 精品久久久久久,| 一级毛片久久久久久久久女| 别揉我奶头 嗯啊视频| 国产白丝娇喘喷水9色精品| avwww免费| 毛片一级片免费看久久久久 | 亚洲成人精品中文字幕电影| а√天堂www在线а√下载| 成人二区视频| 欧美绝顶高潮抽搐喷水| 久久久久久伊人网av| 亚洲精品久久国产高清桃花| 一本精品99久久精品77| 欧美一区二区精品小视频在线| 精品久久久久久久久av| 美女高潮的动态| 欧美精品啪啪一区二区三区| 国产高清激情床上av| 国产精品久久视频播放| 免费看日本二区| 中文字幕人妻熟人妻熟丝袜美| 中文字幕高清在线视频| 精品不卡国产一区二区三区| 美女大奶头视频| 九九久久精品国产亚洲av麻豆| 国产精品一区二区三区四区久久| 69人妻影院| 久久国内精品自在自线图片| xxxwww97欧美| 亚洲第一电影网av| 动漫黄色视频在线观看| 少妇被粗大猛烈的视频| 亚洲av.av天堂| 97超视频在线观看视频| 91在线精品国自产拍蜜月| 亚洲七黄色美女视频| 好男人在线观看高清免费视频| a级一级毛片免费在线观看| 亚洲精品一区av在线观看| 日韩欧美免费精品| 欧洲精品卡2卡3卡4卡5卡区| 老熟妇乱子伦视频在线观看| 国产男人的电影天堂91| 夜夜夜夜夜久久久久| 欧美绝顶高潮抽搐喷水| 亚洲精品色激情综合| 亚洲成人久久爱视频| 色5月婷婷丁香| 亚洲欧美日韩无卡精品| 俺也久久电影网| 观看免费一级毛片| 亚洲精品一区av在线观看| 欧美激情在线99| 国产在视频线在精品| 999久久久精品免费观看国产| 精品久久久久久久久av| 91精品国产九色| .国产精品久久| 国产男人的电影天堂91| www.www免费av| 成年免费大片在线观看| 亚洲美女搞黄在线观看 | 色在线成人网| 亚洲最大成人手机在线| 内射极品少妇av片p| 亚洲美女视频黄频| 国产美女午夜福利| 国产精品98久久久久久宅男小说| 国产精品三级大全| 亚洲久久久久久中文字幕| 搞女人的毛片| 婷婷亚洲欧美| 午夜福利高清视频| 一级毛片久久久久久久久女| 最近最新中文字幕大全电影3| 久久热精品热| 欧美黑人巨大hd| 99久久成人亚洲精品观看| 亚洲成av人片在线播放无| 国语自产精品视频在线第100页| 草草在线视频免费看| 亚洲最大成人手机在线| 国产精品人妻久久久久久| 日本色播在线视频| 亚洲av免费高清在线观看| 91在线观看av| 色吧在线观看| 国产69精品久久久久777片| 少妇高潮的动态图| 淫秽高清视频在线观看| 亚洲avbb在线观看| 22中文网久久字幕| 亚洲精品久久国产高清桃花| 在线国产一区二区在线| 九九久久精品国产亚洲av麻豆| 麻豆成人午夜福利视频| 99久久九九国产精品国产免费| 在线免费观看的www视频| 午夜爱爱视频在线播放| 一级黄色大片毛片| 国产精品精品国产色婷婷| 日本在线视频免费播放| 亚洲精品在线观看二区| 久久久久国内视频| 在线观看舔阴道视频| avwww免费| 国产欧美日韩一区二区精品| 91在线观看av| 久久人人爽人人爽人人片va| 如何舔出高潮| 97碰自拍视频| 亚洲精品影视一区二区三区av| 日韩大尺度精品在线看网址| 国产不卡一卡二| 国内精品宾馆在线| 亚洲经典国产精华液单| 国产一区二区三区在线臀色熟女| 国产综合懂色| 一级a爱片免费观看的视频| 性色avwww在线观看| 免费av观看视频| 国产高清激情床上av| 亚洲人与动物交配视频| 国产老妇女一区| 亚洲精品国产成人久久av| 别揉我奶头 嗯啊视频| 大型黄色视频在线免费观看| 午夜免费激情av| 亚洲午夜理论影院| 日本 av在线| 给我免费播放毛片高清在线观看| 很黄的视频免费| 久久久久久久久大av| 国产av不卡久久| 在现免费观看毛片| 色av中文字幕| .国产精品久久| 女同久久另类99精品国产91| 日韩一本色道免费dvd| 久久精品国产亚洲av香蕉五月| 校园人妻丝袜中文字幕| 亚洲av免费高清在线观看| 一卡2卡三卡四卡精品乱码亚洲| 精品久久久久久久人妻蜜臀av| 悠悠久久av| 88av欧美| 别揉我奶头 嗯啊视频| 久久欧美精品欧美久久欧美| 欧美色视频一区免费| 久久精品国产亚洲av涩爱 | 麻豆久久精品国产亚洲av| 校园人妻丝袜中文字幕| 色综合婷婷激情| 久久久久久伊人网av| 夜夜夜夜夜久久久久| 三级男女做爰猛烈吃奶摸视频| 人人妻人人澡欧美一区二区| 国产精品99久久久久久久久| 亚洲成人久久性| 中文字幕熟女人妻在线| 又黄又爽又刺激的免费视频.| 亚洲成人精品中文字幕电影| 欧美成人一区二区免费高清观看| 免费黄网站久久成人精品| 日韩一区二区视频免费看| 亚洲色图av天堂| 十八禁网站免费在线| 欧美成人免费av一区二区三区| 国产高清视频在线播放一区| 禁无遮挡网站| 婷婷精品国产亚洲av| 亚洲狠狠婷婷综合久久图片| 99热精品在线国产| 国产精品,欧美在线| 干丝袜人妻中文字幕| 亚洲中文字幕一区二区三区有码在线看| 日韩欧美免费精品| 亚洲成av人片在线播放无| 日韩欧美三级三区| 九九爱精品视频在线观看| 日韩一本色道免费dvd| 日韩高清综合在线| 伊人久久精品亚洲午夜| 综合色av麻豆| 免费观看精品视频网站| 99热网站在线观看| 亚洲图色成人| www日本黄色视频网| 成人性生交大片免费视频hd| 欧美三级亚洲精品| 亚洲欧美日韩卡通动漫| 国产午夜精品论理片| 十八禁网站免费在线| 欧洲精品卡2卡3卡4卡5卡区| 久久人人精品亚洲av| 简卡轻食公司| 在线观看66精品国产| 偷拍熟女少妇极品色| 日日夜夜操网爽| 久久精品国产亚洲av香蕉五月| 国产亚洲欧美98| 麻豆久久精品国产亚洲av| 午夜福利在线观看吧| 久久久久久久久久成人| 欧美性猛交黑人性爽| 老女人水多毛片| 五月伊人婷婷丁香| 欧美3d第一页| 亚洲成人精品中文字幕电影| 麻豆av噜噜一区二区三区| 老熟妇仑乱视频hdxx| 成人无遮挡网站| 欧美激情国产日韩精品一区| 国产精品三级大全| 窝窝影院91人妻| 国产精品免费一区二区三区在线| 蜜桃久久精品国产亚洲av| 国产男靠女视频免费网站| 国内精品宾馆在线| 999久久久精品免费观看国产| 最近最新免费中文字幕在线| 老熟妇乱子伦视频在线观看| 欧美在线一区亚洲| 亚洲最大成人中文| 欧美成人性av电影在线观看| 亚洲精华国产精华液的使用体验 | 国产精品综合久久久久久久免费| 久久午夜亚洲精品久久| 国产精品久久久久久久电影| 69人妻影院| 中文资源天堂在线| 久久久久久大精品| 天堂av国产一区二区熟女人妻| 免费电影在线观看免费观看| 观看免费一级毛片| 99热只有精品国产| 亚洲avbb在线观看| 亚洲美女视频黄频| 国内久久婷婷六月综合欲色啪| 精品人妻视频免费看| 亚洲人成伊人成综合网2020| 又粗又爽又猛毛片免费看| 国产亚洲精品久久久com| av福利片在线观看| 亚洲精品影视一区二区三区av| 亚洲国产精品合色在线| 91久久精品国产一区二区成人| 欧美绝顶高潮抽搐喷水| 69人妻影院| 欧美人与善性xxx| 亚洲狠狠婷婷综合久久图片| 在线观看舔阴道视频| 成人特级av手机在线观看| 亚洲在线观看片| 香蕉av资源在线| 亚洲avbb在线观看| av在线观看视频网站免费| 真人一进一出gif抽搐免费| 久久久久久久久久成人| 99久久精品热视频| 国产亚洲av嫩草精品影院| 99久久精品一区二区三区| 黄色女人牲交| 亚洲欧美激情综合另类| 日韩精品青青久久久久久| 乱系列少妇在线播放| 亚洲中文字幕一区二区三区有码在线看| 国产成人影院久久av| 女同久久另类99精品国产91| 久久久久九九精品影院| 亚洲中文字幕一区二区三区有码在线看| 亚洲va在线va天堂va国产| 女同久久另类99精品国产91| 99久久精品国产国产毛片| 九九在线视频观看精品| 禁无遮挡网站| 一区二区三区高清视频在线| 乱系列少妇在线播放| 欧美一区二区精品小视频在线| 国产淫片久久久久久久久| 亚洲第一区二区三区不卡| 国产精华一区二区三区| av.在线天堂| 国产成人影院久久av| 欧美绝顶高潮抽搐喷水| 日韩av在线大香蕉| 国产老妇女一区| 男女之事视频高清在线观看| 欧美激情久久久久久爽电影| 免费搜索国产男女视频| 国产精品亚洲一级av第二区| 国产亚洲精品久久久com| 999久久久精品免费观看国产| 男人的好看免费观看在线视频| 99视频精品全部免费 在线| 久久天躁狠狠躁夜夜2o2o| 三级男女做爰猛烈吃奶摸视频| 欧美xxxx黑人xx丫x性爽| 国语自产精品视频在线第100页| 日韩av在线大香蕉| 亚洲av五月六月丁香网| 亚洲最大成人av| 色尼玛亚洲综合影院| 人人妻,人人澡人人爽秒播| 禁无遮挡网站| 国产精品综合久久久久久久免费| 黄色视频,在线免费观看| 亚洲三级黄色毛片| 女生性感内裤真人,穿戴方法视频| 免费一级毛片在线播放高清视频| a级毛片免费高清观看在线播放| 美女被艹到高潮喷水动态| 亚洲精品粉嫩美女一区| 国产亚洲精品av在线| 免费大片18禁| 成人高潮视频无遮挡免费网站| 精品免费久久久久久久清纯| 伦理电影大哥的女人| 亚洲国产精品成人综合色| 国语自产精品视频在线第100页| 精品久久久久久久末码| 日本成人三级电影网站| 国产精品久久视频播放| 亚洲中文字幕一区二区三区有码在线看| 日韩亚洲欧美综合| 精品人妻偷拍中文字幕| 人妻少妇偷人精品九色| 日韩欧美国产一区二区入口| 亚洲一区高清亚洲精品| 黄片wwwwww| 久久精品国产亚洲av天美| 婷婷六月久久综合丁香| 久久久精品大字幕| 狂野欧美激情性xxxx在线观看| 中国美白少妇内射xxxbb| 免费看美女性在线毛片视频| 免费无遮挡裸体视频| 久久久久国内视频| 一进一出抽搐gif免费好疼| 99在线视频只有这里精品首页| 国产高潮美女av| 在线免费观看不下载黄p国产 | 久久精品国产鲁丝片午夜精品 | 国产69精品久久久久777片| 久久香蕉精品热| 一夜夜www| 婷婷亚洲欧美| 免费观看的影片在线观看| 91久久精品电影网| 夜夜夜夜夜久久久久| 国产一区二区在线观看日韩| 老女人水多毛片| 九色成人免费人妻av| 亚洲中文日韩欧美视频| 狠狠狠狠99中文字幕| 变态另类成人亚洲欧美熟女| 亚洲国产色片| av在线观看视频网站免费| 亚洲欧美精品综合久久99| 热99在线观看视频| 十八禁国产超污无遮挡网站| 欧美日韩中文字幕国产精品一区二区三区| 搡老熟女国产l中国老女人| 亚洲欧美日韩卡通动漫| av.在线天堂| 性插视频无遮挡在线免费观看| 色综合婷婷激情| 亚洲一级一片aⅴ在线观看| 欧美另类亚洲清纯唯美| 国产精品,欧美在线| 可以在线观看毛片的网站| 舔av片在线| 久久久久国产精品人妻aⅴ院| 亚洲精品久久国产高清桃花| 99热这里只有精品一区| 99久久中文字幕三级久久日本| 亚洲三级黄色毛片| 日韩欧美免费精品| 国产老妇女一区| 99精品久久久久人妻精品| 午夜免费成人在线视频| 欧美极品一区二区三区四区| 美女高潮喷水抽搐中文字幕| 亚洲中文日韩欧美视频| 丝袜美腿在线中文| 999久久久精品免费观看国产| 少妇人妻精品综合一区二区 | 日韩,欧美,国产一区二区三区 | 男女啪啪激烈高潮av片| 精品午夜福利视频在线观看一区| 国产精品国产三级国产av玫瑰| 亚洲av中文字字幕乱码综合| 国产伦人伦偷精品视频| 小说图片视频综合网站| 狂野欧美白嫩少妇大欣赏| 搡老岳熟女国产| 在线播放国产精品三级| 亚洲内射少妇av| 欧美人与善性xxx| 一区二区三区免费毛片| 麻豆久久精品国产亚洲av| 两人在一起打扑克的视频| 国产不卡一卡二| 久久久久久久亚洲中文字幕| 日韩强制内射视频| 少妇高潮的动态图| 久久久色成人| 亚洲国产精品sss在线观看| 欧美国产日韩亚洲一区| 少妇的逼好多水| 国产探花极品一区二区| 亚洲欧美清纯卡通| 精品人妻1区二区| 日韩欧美在线二视频| 日本精品一区二区三区蜜桃| 中文资源天堂在线| 亚洲精品久久国产高清桃花| 97碰自拍视频| 日本在线视频免费播放| 女生性感内裤真人,穿戴方法视频| 18+在线观看网站| 久久中文看片网| 制服丝袜大香蕉在线| 日韩欧美在线乱码| 欧美一区二区国产精品久久精品| 国产精品野战在线观看| 欧美一区二区国产精品久久精品| 中文字幕久久专区| 久久人人爽人人爽人人片va| 99热精品在线国产| 99在线人妻在线中文字幕| 日日摸夜夜添夜夜添小说| 男女边吃奶边做爰视频| 少妇的逼水好多| 丰满乱子伦码专区| 久久久久久久久中文| 国内毛片毛片毛片毛片毛片| 国产精品乱码一区二三区的特点| 亚洲av第一区精品v没综合| 一个人看视频在线观看www免费| 在线观看美女被高潮喷水网站| 波多野结衣巨乳人妻| 久久人人爽人人爽人人片va| 亚洲欧美日韩高清在线视频| 国产黄色小视频在线观看| 在线观看免费视频日本深夜| 午夜激情欧美在线| 日韩欧美一区二区三区在线观看| 美女被艹到高潮喷水动态| 国产一区二区在线av高清观看| 一本一本综合久久| 日韩在线高清观看一区二区三区 | 久久亚洲真实| 熟女电影av网| 在线看三级毛片| 亚洲av.av天堂| 91在线观看av| 禁无遮挡网站| 亚洲成人中文字幕在线播放| 成人美女网站在线观看视频| 搡老妇女老女人老熟妇| 日本黄大片高清| 婷婷丁香在线五月| 国产一区二区在线av高清观看| 国产精品一区二区三区四区免费观看 | 久9热在线精品视频| 3wmmmm亚洲av在线观看| 免费观看精品视频网站| 日韩av在线大香蕉| 国产三级中文精品| 乱码一卡2卡4卡精品| 欧美一区二区亚洲| 夜夜看夜夜爽夜夜摸| 成人二区视频| 亚洲熟妇熟女久久| 成人国产综合亚洲| 少妇人妻精品综合一区二区 | 亚洲电影在线观看av| 国产单亲对白刺激| 亚洲熟妇熟女久久| 黄色日韩在线| 精品无人区乱码1区二区| 久久久久久伊人网av| 国产午夜精品论理片| 91久久精品国产一区二区成人| 又紧又爽又黄一区二区| 日韩亚洲欧美综合| 91午夜精品亚洲一区二区三区 | 国产真实伦视频高清在线观看 | 男女之事视频高清在线观看| 国产免费一级a男人的天堂| 日本撒尿小便嘘嘘汇集6| 3wmmmm亚洲av在线观看| 精品久久久久久久久久久久久| 久久久成人免费电影| 级片在线观看| 在线观看美女被高潮喷水网站| 日本黄大片高清| 亚洲男人的天堂狠狠| 亚洲最大成人av| 亚洲第一区二区三区不卡| 亚洲av不卡在线观看| 床上黄色一级片| 白带黄色成豆腐渣| 无人区码免费观看不卡| 国产精品国产三级国产av玫瑰| 伊人久久精品亚洲午夜| 18禁黄网站禁片午夜丰满| 校园人妻丝袜中文字幕| 欧美一区二区精品小视频在线| 国产精品永久免费网站| 亚洲性夜色夜夜综合| 永久网站在线| 欧美高清性xxxxhd video| 国产精品自产拍在线观看55亚洲| 亚洲中文字幕一区二区三区有码在线看| 欧美日韩亚洲国产一区二区在线观看| 少妇的逼好多水| 小说图片视频综合网站| 亚洲精品456在线播放app | 在线观看舔阴道视频| 亚洲欧美日韩高清专用| 男女下面进入的视频免费午夜| 波多野结衣巨乳人妻| 国产亚洲av嫩草精品影院| 男女下面进入的视频免费午夜| 在线播放无遮挡| 国产欧美日韩一区二区精品| 九九久久精品国产亚洲av麻豆| 亚洲,欧美,日韩| 成人性生交大片免费视频hd| 久久久久久久久大av| 欧美精品啪啪一区二区三区| x7x7x7水蜜桃|