• <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
    精品久久蜜臀av无| 欧美日韩中文字幕国产精品一区二区三区 | 欧美人与性动交α欧美精品济南到| 国产亚洲精品第一综合不卡| 丰满迷人的少妇在线观看| 99久久精品国产亚洲精品| 性高湖久久久久久久久免费观看| 在线观看免费视频网站a站| 自线自在国产av| 真人做人爱边吃奶动态| 又大又爽又粗| 亚洲第一青青草原| 国产精品免费大片| 最近最新免费中文字幕在线| 搡老岳熟女国产| 国产精品99久久99久久久不卡| 欧美成人免费av一区二区三区 | 久久 成人 亚洲| 超色免费av| 国产欧美日韩精品亚洲av| 成人国产一区最新在线观看| 精品久久久精品久久久| 美女主播在线视频| 色94色欧美一区二区| 亚洲全国av大片| 五月天丁香电影| 99九九在线精品视频| 免费在线观看黄色视频的| 日本黄色日本黄色录像| 国产一区二区三区视频了| 免费在线观看日本一区| 99香蕉大伊视频| 成在线人永久免费视频| 国产一区二区三区视频了| 午夜福利视频精品| 最黄视频免费看| 老汉色av国产亚洲站长工具| 天天躁夜夜躁狠狠躁躁| 中文字幕高清在线视频| 后天国语完整版免费观看| 午夜福利免费观看在线| 亚洲少妇的诱惑av| 国产av国产精品国产| 别揉我奶头~嗯~啊~动态视频| 久久精品人人爽人人爽视色| 99久久人妻综合| 搡老熟女国产l中国老女人| 中文字幕高清在线视频| av又黄又爽大尺度在线免费看| 亚洲七黄色美女视频| 国产不卡av网站在线观看| 每晚都被弄得嗷嗷叫到高潮| 亚洲欧美一区二区三区久久| 久久午夜综合久久蜜桃| 成人黄色视频免费在线看| 啦啦啦 在线观看视频| 丁香六月天网| 亚洲五月色婷婷综合| 亚洲综合色网址| 国产成人影院久久av| 大香蕉久久网| 一区福利在线观看| 亚洲精品国产区一区二| 99国产精品99久久久久| 久久久久久亚洲精品国产蜜桃av| 国产福利在线免费观看视频| 午夜免费成人在线视频| 搡老熟女国产l中国老女人| 丰满迷人的少妇在线观看| 国产国语露脸激情在线看| av有码第一页| 一个人免费看片子| 97人妻天天添夜夜摸| 少妇猛男粗大的猛烈进出视频| 欧美另类亚洲清纯唯美| 成人黄色视频免费在线看| 成年人免费黄色播放视频| 亚洲精品久久成人aⅴ小说| 黄色视频在线播放观看不卡| 久久精品国产综合久久久| 亚洲欧美日韩高清在线视频 | 变态另类成人亚洲欧美熟女 | 99久久国产精品久久久| 久久99一区二区三区| 女人久久www免费人成看片| 高清av免费在线| 如日韩欧美国产精品一区二区三区| 国产欧美日韩一区二区精品| 大陆偷拍与自拍| 亚洲精品一二三| 精品亚洲乱码少妇综合久久| 亚洲成人免费电影在线观看| 两性午夜刺激爽爽歪歪视频在线观看 | 日韩精品免费视频一区二区三区| 国产亚洲av高清不卡| 黑人操中国人逼视频| 国产免费视频播放在线视频| 亚洲精品国产色婷婷电影| 性少妇av在线| 黄片大片在线免费观看| 天天操日日干夜夜撸| 国产一区二区三区在线臀色熟女 | 日本av免费视频播放| 在线看a的网站| 国产一区二区三区在线臀色熟女 | 99香蕉大伊视频| 麻豆av在线久日| 91成年电影在线观看| 久久中文看片网| 丁香欧美五月| 好男人电影高清在线观看| 亚洲欧美日韩另类电影网站| 亚洲午夜理论影院| 人人澡人人妻人| 大码成人一级视频| 久久久精品国产亚洲av高清涩受| 如日韩欧美国产精品一区二区三区| cao死你这个sao货| 一本一本久久a久久精品综合妖精| 国产精品久久电影中文字幕 | 欧美在线一区亚洲| 嫁个100分男人电影在线观看| 午夜福利一区二区在线看| 久久久久久免费高清国产稀缺| 激情在线观看视频在线高清 | 亚洲成a人片在线一区二区| 十八禁人妻一区二区| 俄罗斯特黄特色一大片| 欧美黄色片欧美黄色片| 男女无遮挡免费网站观看| 韩国精品一区二区三区| 黄网站色视频无遮挡免费观看| 亚洲欧美一区二区三区久久| 欧美精品av麻豆av| 日本vs欧美在线观看视频| 中文欧美无线码| 一级片免费观看大全| 香蕉丝袜av| 国产一区二区激情短视频| 人人妻人人爽人人添夜夜欢视频| 999精品在线视频| 九色亚洲精品在线播放| 欧美精品啪啪一区二区三区| 午夜日韩欧美国产| 亚洲欧美日韩高清在线视频 | 国产精品久久久久久精品古装| 中文字幕精品免费在线观看视频| 亚洲欧美一区二区三区久久| 成人精品一区二区免费| 一级片'在线观看视频| 99香蕉大伊视频| 免费人妻精品一区二区三区视频| 久久中文字幕人妻熟女| 精品人妻熟女毛片av久久网站| 一区二区日韩欧美中文字幕| 亚洲精品久久成人aⅴ小说| 国产精品香港三级国产av潘金莲| 亚洲精品在线观看二区| 18禁观看日本| 超碰97精品在线观看| 在线观看免费视频日本深夜| 九色亚洲精品在线播放| 精品福利观看| 九色亚洲精品在线播放| 成年人午夜在线观看视频| 亚洲av成人一区二区三| 成年动漫av网址| 国产野战对白在线观看| 午夜福利乱码中文字幕| 一区二区日韩欧美中文字幕| 亚洲精品久久成人aⅴ小说| 午夜视频精品福利| 日韩免费av在线播放| 三上悠亚av全集在线观看| 国产在线一区二区三区精| 免费看a级黄色片| 午夜免费成人在线视频| 一个人免费看片子| 国产野战对白在线观看| 丝袜在线中文字幕| 亚洲五月色婷婷综合| 少妇猛男粗大的猛烈进出视频| 啪啪无遮挡十八禁网站| 捣出白浆h1v1| 亚洲精品久久成人aⅴ小说| 在线亚洲精品国产二区图片欧美| 精品福利观看| 窝窝影院91人妻| 在线播放国产精品三级| 精品国产一区二区久久| 老鸭窝网址在线观看| 黄色视频,在线免费观看| 在线永久观看黄色视频| 天天躁狠狠躁夜夜躁狠狠躁| 老司机靠b影院| 99久久99久久久精品蜜桃| 男女床上黄色一级片免费看| 亚洲国产毛片av蜜桃av| 国产欧美日韩一区二区三区在线| 美女国产高潮福利片在线看| 精品少妇久久久久久888优播| 黑人猛操日本美女一级片| 精品久久蜜臀av无| 午夜老司机福利片| 最黄视频免费看| 人成视频在线观看免费观看| 人妻一区二区av| 久久精品国产a三级三级三级| 亚洲精品在线美女| 国产精品国产高清国产av | 国产免费现黄频在线看| 亚洲成人免费av在线播放| 亚洲欧美激情在线| 亚洲欧美精品综合一区二区三区| 国产在视频线精品| 啦啦啦中文免费视频观看日本| 国产亚洲午夜精品一区二区久久| 在线观看免费午夜福利视频| 日韩人妻精品一区2区三区| 国产精品久久久久久人妻精品电影 | 侵犯人妻中文字幕一二三四区| 色婷婷久久久亚洲欧美| 亚洲色图综合在线观看| 丰满迷人的少妇在线观看| 精品久久蜜臀av无| 国产极品粉嫩免费观看在线| 香蕉国产在线看| 久久久久久久久久久久大奶| 欧美日韩亚洲综合一区二区三区_| 欧美黑人欧美精品刺激| 久久精品国产亚洲av香蕉五月 | 国产精品久久久久成人av| 亚洲精品乱久久久久久| 国产精品亚洲av一区麻豆| 男女下面插进去视频免费观看| 亚洲性夜色夜夜综合| 亚洲精品美女久久av网站| 老汉色av国产亚洲站长工具| 18禁国产床啪视频网站| 午夜福利一区二区在线看| 欧美精品高潮呻吟av久久| 精品人妻1区二区| av天堂在线播放| av线在线观看网站| 自线自在国产av| 一个人免费看片子| 免费黄频网站在线观看国产| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲伊人色综图| 亚洲国产欧美网| 亚洲五月婷婷丁香| 美女高潮到喷水免费观看| 久久狼人影院| 高清视频免费观看一区二区| 精品亚洲成国产av| 不卡一级毛片| 91大片在线观看| 99精品久久久久人妻精品| 亚洲精品一二三| 久久狼人影院| 黑人巨大精品欧美一区二区蜜桃| 日本五十路高清| 欧美在线黄色| h视频一区二区三区| 国产主播在线观看一区二区| 在线亚洲精品国产二区图片欧美| 国产视频一区二区在线看| 不卡一级毛片| 另类精品久久| www.自偷自拍.com| 91成人精品电影| 日本欧美视频一区| 精品视频人人做人人爽| 久久国产精品男人的天堂亚洲| 精品一区二区三卡| 少妇被粗大的猛进出69影院| 欧美黄色片欧美黄色片| 他把我摸到了高潮在线观看 | 久久久久久久精品吃奶| 欧美精品人与动牲交sv欧美| 一级片免费观看大全| 亚洲国产精品一区二区三区在线| 黑丝袜美女国产一区| 免费观看人在逋| 久久人妻熟女aⅴ| 亚洲精品自拍成人| 麻豆国产av国片精品| 中文欧美无线码| 精品国产乱码久久久久久小说| 一本色道久久久久久精品综合| 欧美中文综合在线视频| 操美女的视频在线观看| 精品久久久久久电影网| 亚洲国产欧美在线一区| 首页视频小说图片口味搜索| 国产精品 欧美亚洲| 50天的宝宝边吃奶边哭怎么回事| 美女福利国产在线| 又黄又粗又硬又大视频| 久久精品亚洲熟妇少妇任你| 麻豆乱淫一区二区| 久久ye,这里只有精品| 久久影院123| 9191精品国产免费久久| 中文字幕av电影在线播放| 久久精品亚洲精品国产色婷小说| 97人妻天天添夜夜摸| 老司机靠b影院| 波多野结衣av一区二区av| 欧美老熟妇乱子伦牲交| 精品乱码久久久久久99久播| 精品少妇黑人巨大在线播放| 久久久水蜜桃国产精品网| 成人免费观看视频高清| 一个人免费在线观看的高清视频| 中文字幕另类日韩欧美亚洲嫩草| 欧美在线一区亚洲| 超色免费av| 久久精品亚洲av国产电影网| 国产精品秋霞免费鲁丝片| 精品国产乱码久久久久久小说| 午夜老司机福利片| 一进一出抽搐动态| 免费久久久久久久精品成人欧美视频| 亚洲欧洲日产国产| 成人影院久久| 精品少妇内射三级| 国产精品熟女久久久久浪| 丰满人妻熟妇乱又伦精品不卡| 一个人免费在线观看的高清视频| 精品福利观看| 最新在线观看一区二区三区| 伊人久久大香线蕉亚洲五| 777久久人妻少妇嫩草av网站| 99九九在线精品视频| 变态另类成人亚洲欧美熟女 | 波多野结衣av一区二区av| 考比视频在线观看| 日本黄色日本黄色录像| 黄色视频,在线免费观看| 丝袜人妻中文字幕| 一区二区av电影网| 美女扒开内裤让男人捅视频| 国产成人欧美在线观看 | 丝袜美腿诱惑在线| 日韩人妻精品一区2区三区| 久久精品aⅴ一区二区三区四区| av视频免费观看在线观看| 国产精品二区激情视频| 日本黄色日本黄色录像| 岛国毛片在线播放| 久久人妻熟女aⅴ| 黑丝袜美女国产一区| 老鸭窝网址在线观看| 国产精品美女特级片免费视频播放器 | 在线观看免费高清a一片| 国产免费视频播放在线视频| 国产老妇伦熟女老妇高清| tube8黄色片| 精品免费久久久久久久清纯 | 欧美日韩中文字幕国产精品一区二区三区 | 国产日韩欧美亚洲二区| 国产免费av片在线观看野外av| 亚洲久久久国产精品| 亚洲av日韩在线播放| 精品福利永久在线观看| 无人区码免费观看不卡 | 女性被躁到高潮视频| 丰满饥渴人妻一区二区三| 免费黄频网站在线观看国产| 热99久久久久精品小说推荐| 亚洲av电影在线进入| 免费看十八禁软件| 一级,二级,三级黄色视频| 免费在线观看黄色视频的| 91麻豆av在线| 啦啦啦视频在线资源免费观看| 曰老女人黄片| 午夜视频精品福利| 美女午夜性视频免费| 十八禁网站免费在线| 90打野战视频偷拍视频| 一边摸一边抽搐一进一小说 | 亚洲第一av免费看| 1024香蕉在线观看| 91成年电影在线观看| 久久亚洲真实| 亚洲伊人久久精品综合| 欧美成人免费av一区二区三区 | 亚洲欧美激情在线| 999精品在线视频| 在线观看一区二区三区激情| 久久久欧美国产精品| 男女床上黄色一级片免费看| av欧美777| www.999成人在线观看| 欧美日本中文国产一区发布| 亚洲国产欧美一区二区综合| 国产成人一区二区三区免费视频网站| 久久久久国产一级毛片高清牌| av网站在线播放免费| 久久99热这里只频精品6学生| 久久ye,这里只有精品| 久久精品亚洲熟妇少妇任你| 老熟妇仑乱视频hdxx| 一个人免费看片子| 亚洲第一青青草原| 99国产综合亚洲精品| 成人手机av| 2018国产大陆天天弄谢| 9191精品国产免费久久| 每晚都被弄得嗷嗷叫到高潮| 日韩欧美一区二区三区在线观看 | 他把我摸到了高潮在线观看 | 最新的欧美精品一区二区| 性少妇av在线| 黑人欧美特级aaaaaa片| 国产精品一区二区精品视频观看| 精品亚洲成a人片在线观看| 女人久久www免费人成看片| 黄频高清免费视频| bbb黄色大片| 最近最新中文字幕大全电影3 | 欧美在线黄色| 国产亚洲欧美在线一区二区| 电影成人av| 日韩中文字幕视频在线看片| 精品一区二区三区av网在线观看 | 亚洲av成人一区二区三| 国产日韩欧美视频二区| 亚洲精品一二三| 人成视频在线观看免费观看| 菩萨蛮人人尽说江南好唐韦庄| 人人妻人人添人人爽欧美一区卜| 亚洲色图av天堂| 亚洲熟女毛片儿| 久久精品国产亚洲av香蕉五月 | av在线播放免费不卡| 在线看a的网站| 999久久久精品免费观看国产| 国产亚洲精品第一综合不卡| 丁香欧美五月| 亚洲欧美色中文字幕在线| 久久免费观看电影| 天天躁日日躁夜夜躁夜夜| 免费在线观看完整版高清| bbb黄色大片| 久热爱精品视频在线9| av有码第一页| 日本av手机在线免费观看| kizo精华| 国产成人啪精品午夜网站| 亚洲成人免费av在线播放| 国产精品自产拍在线观看55亚洲 | 999久久久精品免费观看国产| 色精品久久人妻99蜜桃| 老熟妇乱子伦视频在线观看| 狠狠婷婷综合久久久久久88av| 高潮久久久久久久久久久不卡| 1024香蕉在线观看| 午夜成年电影在线免费观看| 久久国产精品男人的天堂亚洲| 国产区一区二久久| 老熟女久久久| 国产成人一区二区三区免费视频网站| 丝袜在线中文字幕| 国产精品偷伦视频观看了| 老司机在亚洲福利影院| 在线看a的网站| 手机成人av网站| 欧美亚洲 丝袜 人妻 在线| 亚洲精品国产区一区二| 久久久精品国产亚洲av高清涩受| 国产一区有黄有色的免费视频| 久久久久国产一级毛片高清牌| 午夜福利乱码中文字幕| 91老司机精品| 亚洲人成77777在线视频| 免费在线观看视频国产中文字幕亚洲| 久久人妻熟女aⅴ| 咕卡用的链子| 国产精品av久久久久免费| 国产1区2区3区精品| 91精品三级在线观看| 国产精品欧美亚洲77777| 成人国产一区最新在线观看| 国内毛片毛片毛片毛片毛片| 91大片在线观看| av天堂在线播放| 日韩有码中文字幕| 午夜视频精品福利| tocl精华| 热re99久久精品国产66热6| 又大又爽又粗| 建设人人有责人人尽责人人享有的| av网站免费在线观看视频| 两性午夜刺激爽爽歪歪视频在线观看 | 三上悠亚av全集在线观看| 在线观看免费日韩欧美大片| 一区二区三区激情视频| 免费人妻精品一区二区三区视频| 亚洲五月色婷婷综合| 老鸭窝网址在线观看| 成年版毛片免费区| a级毛片在线看网站| 欧美日韩av久久| 男女下面插进去视频免费观看| 久久精品亚洲熟妇少妇任你| 免费女性裸体啪啪无遮挡网站| 久久精品国产综合久久久| 亚洲人成77777在线视频| 欧美日韩国产mv在线观看视频| 国产一区二区三区在线臀色熟女 | 一夜夜www| 日韩免费高清中文字幕av| 极品教师在线免费播放| 国产在视频线精品| 男女之事视频高清在线观看| 一区二区三区乱码不卡18| 丝袜美腿诱惑在线| 一级毛片精品| 99re6热这里在线精品视频| 久久人人爽av亚洲精品天堂| 欧美黑人欧美精品刺激| 久久人人爽av亚洲精品天堂| 99re6热这里在线精品视频| 久久99热这里只频精品6学生| 精品人妻熟女毛片av久久网站| 最新美女视频免费是黄的| 考比视频在线观看| 欧美另类亚洲清纯唯美| 亚洲 国产 在线| 国产精品成人在线| 精品一区二区三区视频在线观看免费 | 国产高清激情床上av| bbb黄色大片| 999久久久国产精品视频| 国产欧美日韩综合在线一区二区| 999久久久国产精品视频| 一区二区av电影网| 亚洲 国产 在线| 两人在一起打扑克的视频| 亚洲av成人不卡在线观看播放网| 国产欧美日韩综合在线一区二区| 女人被躁到高潮嗷嗷叫费观| 三级毛片av免费| 亚洲全国av大片| aaaaa片日本免费| 成人av一区二区三区在线看| 三级毛片av免费| 色在线成人网| 成人国语在线视频| 精品国产一区二区三区四区第35| 欧美国产精品一级二级三级| 男女床上黄色一级片免费看| 丁香六月欧美| 亚洲性夜色夜夜综合| 757午夜福利合集在线观看| 欧美精品一区二区大全| 精品少妇一区二区三区视频日本电影| 亚洲五月婷婷丁香| 好男人电影高清在线观看| 国产成人免费观看mmmm| 亚洲国产看品久久| 欧美日韩亚洲国产一区二区在线观看 | 国产精品久久久久久人妻精品电影 | 人人妻人人澡人人爽人人夜夜| 香蕉久久夜色| 欧美乱妇无乱码| 黄色视频在线播放观看不卡| 汤姆久久久久久久影院中文字幕| 亚洲中文字幕日韩| 国产极品粉嫩免费观看在线| 成人国产一区最新在线观看| 久9热在线精品视频| 亚洲 国产 在线| 国产精品秋霞免费鲁丝片| 午夜免费成人在线视频| 久久久久久亚洲精品国产蜜桃av| 美女午夜性视频免费| 久久午夜综合久久蜜桃| 捣出白浆h1v1| 国产成人精品久久二区二区免费| 黑丝袜美女国产一区| 在线 av 中文字幕| 性高湖久久久久久久久免费观看| 欧美人与性动交α欧美软件| 国产欧美亚洲国产| www日本在线高清视频| 久久精品国产亚洲av高清一级| 精品国产乱子伦一区二区三区| 国产淫语在线视频| 免费观看a级毛片全部| 69精品国产乱码久久久| 午夜福利视频精品| 人妻一区二区av| 国产区一区二久久| 午夜精品国产一区二区电影| 久久久水蜜桃国产精品网| 久久午夜亚洲精品久久| 午夜激情av网站| 国产精品av久久久久免费| 久久 成人 亚洲| 91成人精品电影| 美女主播在线视频| 成人影院久久| 精品亚洲成a人片在线观看| 久久久久国内视频| 脱女人内裤的视频| 精品视频人人做人人爽| 免费不卡黄色视频| 在线观看舔阴道视频| 国产在线免费精品| 丰满人妻熟妇乱又伦精品不卡| 亚洲国产毛片av蜜桃av|