具体选择哪种方法需要考虑到数据的特征、模型的准确性和复杂度等因素。
基于市场数据的二手房价格预测模型可以使用多种算法和方法来实现，以下是其中几种常用的方法：
1. 线性回归模型：基于市场数据的历史价格和其他相关因素（如房屋面积、地理位置、周边环境等）的回归分析，建立线性回归模型来预测二手房价格的趋势。
2. 支持向量机模型：使用支持向量机算法来建立分类模型，将二手房价格划分为不同的类别，然后利用类别预测模型来预测未来的价格趋势。
3. 决策树模型：通过构建决策树模型，根据历史市场数据的特征和标签（价格）来预测未来二手房价格的趋势。
4. 随机森林模型：基于多个决策树模型的集成学习方法，通过随机选择特征和样本来建立多个决策树模型，并综合多个模型的预测结果来预测二手房价格的趋势。
5. 神经网络模型：利用神经网络算法，根据市场数据的特征和标签来训练网络模型，并使用该模型来预测未来二手房价格的趋势。
这些方法都可以利用市场数据中的特征和标签（价格）进行训练，并使用训练好的模型来预测未来的二手房价格趋势。具体选择哪种方法需要考虑到数据的特征、模型的准确性和复杂度等因素。