Методи машинного навчання як засіб аналізу та прогнозування цін на житлові приміщення

Скорочена інформація про документ
dc.contributor.advisorТимощук, Оксана Леонідівна
dc.contributor.authorСавченко, Валерій Олександрович
dc.date.accessioned2024-09-19T08:49:05Z
dc.date.available2024-09-19T08:49:05Z
dc.date.issued2024
dc.description.abstractДипломна робота: 82 с., 7 табл., 26 рис., 2 дод., 27 джерел. Об’єкт дослідження — методи і моделі машинного навчання для прогнозування цін на оренду житлових приміщень, процес прогнозування ціни. Мета роботи — проаналізувати існуючі методи і моделі машинного навчання для прогнозування цін на оренду житлових приміщень, визначити які фактори впливають на ціну та створити модель для правильної обробки даних та прогнозування. Методи дослідження — для аналізу впливу зовнішніх факторів на ціноутворення орендної вартості для житлових приміщень та прогнозування ціни за допомогою машинного навчання використовується синтез теоретичних концепцій та практичних підходів. Дослідження включає детальний системний аналіз структури та функціонування моделей машинного навчання, застосовуваних для фінансового прогнозування, та порівняння існуючих методів аналізу даних з підходами машинного навчання. Для обробки даних використовуються методи машинного навчання. Основними алгоритмами прогнозування є регресійні та ансамблеві методи. Моделі оцінюються за допомогою таких метрик, як RMSE, MSE та MAE. Розроблена модель машинного навчання навчається на тренувальних даних за датасету, який вміщає в собі реальні дані. Був проведений аналіз та зменшення вибірки за допомогою відкидання найменш корисних атрибутів. Упровадження цієї моделі дозволить аналізувати зовнішні фактори, що впливають на ціну орендної вартості, та використовувати ці дані для прогнозування, сприяючи полегшенню процесу прийняття рішень у виборі того чи іншого житлового приміщення.
dc.description.abstractotherBachelor thesis: 82 p., 7 tables, 26 figures, 2 appendices, 27 references. Object of study - methods and models of machine learning for predicting rent prices for residential premises. Purpose - to analyze existing methods and models of machine learning for predicting residential rental prices, to determine what factors affect the price and to create a model for proper data processing and forecasting. Research methods - a synthesis of theoretical concepts and practical approaches is used to analyze the impact of external factors on the pricing of rental value for residential premises and to predict the price using machine learning. The study includes a detailed systematic analysis of the structure and functioning of machine learning models used for financial forecasting and a comparison of existing data analysis methods with machine learning approaches. The data processing methods used are machine learning methods. The main forecasting algorithms are regression and ensemble algorithms. Models are evaluated using metrics such as RMSE, MSE, and MAE. The developed machine learning model is trained on the training data using a dataset that contains real data. The model was analyzed and the sample was reduced by discarding the least useful attributes. The implementation of this model will allow analyzing external factors that affect the price of rental value and using this data for forecasting, helping to facilitate the decision-making process in choosing a particular residential property.
dc.format.extent82 с.
dc.identifier.citationСавченко, В. О. Методи машинного навчання як засіб аналізу та прогнозування цін на житлові приміщення : дипломна робота ... бакалавра : 124 Системний аналіз / Савченко Валерій Олександрович. – Київ, 2024. – 82 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/69045
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectметоди і моделі машинного навчання
dc.subjectбагатокритеріальна задача
dc.subjectмодель прогнозування ціни
dc.subjectmachine learning methods and models
dc.subjectmulticriteria problem
dc.subjectprice forecasting model
dc.titleМетоди машинного навчання як засіб аналізу та прогнозування цін на житлові приміщення
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Savchenko_bakalavr.pdf
Розмір:
2.61 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