Застосування інтелектуального аналізу даних для прогнозування ринкової вартості житла

Скорочена інформація про документ
dc.contributor.advisorГуськова, Віра Генадіївна
dc.contributor.authorМіщенко, Антон Сергійович
dc.date.accessioned2024-09-19T08:59:12Z
dc.date.available2024-09-19T08:59:12Z
dc.date.issued2024
dc.description.abstractДипломна робота: 101 с., 18 рис., 6 табл., 2 дод., 14 джерел. Об’єкт дослідження — методи і моделі машинного навчання для аналізу ринкової вартості нерухомості. Мета роботи — проаналізувати існуючі методи і моделі машинного навчання для оцінки ринкової вартості житла, визначити ключові фактори, що впливають на ціну нерухомості, та створити модель прогнозування вартості на основі зібраних даних. Методи дослідження — для досягнення поставленої мети використовуються методи системного аналізу та синтезу, а також сучасні алгоритми машинного навчання. Дослідження передбачає порівняння різних моделей регресії, включаючи лінійну регресію, випадковий ліс, та градієнтний бустинг. Застосовуються методи обробки та нормалізації даних, такі як стандартизація і крос-валідація. Основні показники якості моделей оцінюються за допомогою коефіцієнта детермінації (R2), середньої абсолютної помилки (MAE) та кореня середньоквадратичної помилки (RMSE). Розроблено модель машинного навчання, яка прогнозує ринкову вартість нерухомості на основі таких факторів, як рік побудови, площа, поверх, наявність близьких об'єктів інфраструктури (магазини, парки) та внутрішні зручності в будинку. Модель продемонструвала високу точність прогнозування на тестовій вибірці. Дослідження демонструє, що використання методів машинного навчання для аналізу ринкової вартості житла є ефективним інструментом в сфері нерухомості. Автоматизація процесу оцінки вартості дозволяє значно скоротити час на визначення ціни та підвищити її точність, що є критично важливим для покупців і продавців.
dc.description.abstractotherBachelor thesis: 101 p., 18 figures, 6 tables, 2 appendiсes, 14 references. The object of research is machine learning methods and models for analyzing the market value of real estate. Purpose - to analyze existing methods and models of machine learning for assessing the market value of housing, to identify key factors affecting the price of real estate, and to create a model for predicting the value based on the collected data. Research methods - to achieve this goal, the methods of system analysis and synthesis, as well as modern machine learning algorithms are used. The study involves comparing different regression models, including linear regression, random forest, and gradient boosting. Data processing and normalization methods, such as standardization and cross-validation, are applied. The main indicators of model quality are evaluated using the coefficient of determination (R2), mean absolute error (MAE), and root mean square error (RMSE). A machine learning model has been developed that predicts the market value of real estate based on factors such as the year of construction, area, floor, availability of nearby infrastructure (shops, parks), and internal amenities in the building. The model demonstrated high forecasting accuracy on the test sample. The study demonstrates that the use of machine learning methods to analyze the market value of housing is an effective tool in the real estate industry. Automation of the valuation process can significantly reduce the time to determine the price and increase its accuracy, which is critical for buyers and sellers.
dc.format.extent101 с.
dc.identifier.citationМіщенко, А. С. Застосування інтелектуального аналізу даних для прогнозування ринкової вартості житла : дипломна робота ... бакалавра : 124 Системний аналіз / Міщенко Антон Сергійович. – Київ, 2024. – 101 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/69052
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectметоди і моделі машинного навчання
dc.subjectаналіз ринкової вартості нерухомості
dc.subjectmachine learning methods and models
dc.subjectanalyzing the market value of real estate
dc.titleЗастосування інтелектуального аналізу даних для прогнозування ринкової вартості житла
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Mischenko_bakalavr.pdf
Розмір:
3.18 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи