Застосування методів та підходів інтелектуального аналізу даних для прогнозування цін на житло

Скорочена інформація про документ
dc.contributor.advisorГуськова, Віра Геннадіївна
dc.contributor.authorПижук, Анастасія Олександрівна
dc.date.accessioned2025-09-23T09:06:34Z
dc.date.available2025-09-23T09:06:34Z
dc.date.issued2025
dc.description.abstractДипломна робота: 98 с., 30 рис., 8 табл., 2 додатки, 32 джерела. Об’єкт дослідження – вартість житла, на яку впливають багато характеристик. Предмет дослідження – методи машинного навчання для прогнозування вартості житла на основі різних характеристик, визначення найвпливовіших ознак. Мета дослідження – розглянути існуючі методи та моделі для прогнозування вартості житла, розробити модель прогнозування вартості житла з використанням різних алгоритмів машинного навчання, провести порівняння якості, визначити характеристики, що найбільше впливають на формування вартості житла. За результатами виконаних досліджень було узагальнено теоретичні відомості про сучасні підходи до прогнозування вартості житла. Серед них обрано та порівняно 4 алгоритми (лінійна регресія, дерево рішень, випадковий ліс, градієнтний бустинг), на основі яких програмно реалізована власна модель прогнозування вартості житла та обрано найвпливовіші фактори формування ціни. Модель показала високу точність на тестовій вибірці та відповідно ефективність застосування методів інтелектуального аналізу даних у прогнозуванні вартості житла. Програмна реалізація була розроблена на мові програмування Python.
dc.description.abstractotherBachelor thesis: 98 p., 30 fig., 8 tabl., 2 append., 32 references. The object of research is the cost of housing, which is influenced by many characteristics. The subject of the study is machine learning methods for predicting the cost of housing based on various characteristics, identifying the most influential features. The purpose of the study is to review existing methods and models for predicting housing costs, develop a model for predicting housing costs using various machine learning algorithms, compare quality, and identify the characteristics that most affect housing costs. Based on the results of the research, theoretical information on modern approaches to forecasting the cost of housing was summarized. Among them, 4 algorithms (linear regression, decision tree, random forest, gradient boosting) were selected and compared, on the basis of which the author implemented his own model for predicting the cost of housing and selected the most influential factors of price formation. The model demonstrated high accuracy on the test sample and, accordingly, the effectiveness of applying data mining methods in predicting housing prices. The software implementation was developed in the Python programming language.
dc.format.extent98 с.
dc.identifier.citationПижук, А. О. Застосування методів та підходів інтелектуального аналізу даних для прогнозування цін на житло : дипломна робота … бакалавра : 124 Системний аналіз / Пижук Анастасія Олександрівна. – Київ, 2025. – 98 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76250
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectжитлова нерухомість
dc.subjectпрогнозування
dc.subjectінтелектуальний аналіз даних
dc.subjectмашинне навчання
dc.subjectлінійна регресія
dc.subjectдерево рішень
dc.subjectвипадковий ліс
dc.subjectградієнтний бустинг
dc.subjectresidential real estate
dc.subjectforecasting
dc.subjectdata mining
dc.subjectmachine learning
dc.subjectlinear regression
dc.subjectdecision tree
dc.subjectrandom forest
dc.subjectgradient boosting
dc.titleЗастосування методів та підходів інтелектуального аналізу даних для прогнозування цін на житло
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Pyzhuk_bakalavr.pdf
Розмір:
4.59 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