大数据背景下,土地相关数据信息和数据类型发生变化,数据信息呈爆发式的增长,同时土地评估常使用的方法市场比较法、收益还原法和成本法等,存在土地价格失准、缺少统一评估标准和主观性强等问题。近年来,为了减小估值的不确定性及传统估价方法的局限性,诸多学者对土地估价方法进行研究和改进。本研究运用文献研究、实证分析、对比分析、问卷调查等研究方法,以郑州市住宅用地为例,探索机器学习技术在土地估价领域的应用。本研究梳理了国内外文献,以地租理论、土地区位理论和机器学习相关模型理论为基础,根据地价特征、参考土地价格评估资料和《城镇土地估价规程》（18508-2014）,选取土地估价特征变量,并加入宏观经济变量构建更加完备的地价特征体系,为构建高精度土地价格模型奠定数据基础。其次利用264份调研数据,应用机器学习（Machine learning,ML）技术评估土地价格,分别运用Lasso回归（Least Absolute Shrinkage and Selection Operation）、支持向量机（Support Vector Machines,SVM）和随机森林（Random Forest,RF）回归构建土地估价模型,对土地价格进行预测,以期进一步提高土地估价的准确性。然后通过问卷调查,探讨机器学习方法在土地估价行业的应用推广中存在的问题,以及该方法在土地估价领域的应用前景。最后依据以上分析给出机器学习技术应用相关对策建议。研究结果如下:（1）三种机器学习模型在郑州市住宅用地估价中,具有较好的拟合性和稳健性,在地价预测中均可以得到精确的评估结果。（2）对比分析机器学习方法与传统土地评估价的概率密度图,分布曲线走势稳合;而Lasso回归及支持向量机能在对土地价格过高时预测结果好于传统评估,随机森林在宗地价格低时分布更接近实际地价。（3）调查研究机器学习技术在土地估价行业的应用前景发现:在机器学习技术应用于土地估价领域科学、高效、准确的前提下,作为辅助方法来更容易被估价者所接受。基于以上研究为土地估价提供了一种能够处理高维数据的科学、高效、客观的评估方法,同时可以根据土地情况和市场变化动态调整地价特征的优势,进一步丰富和拓展土地估价体系。