Search academic texts

Information × Registration Number 2124U001338, Article popup.category Бакалаврська робота Title popup.author Міщенко Антон Сергійович popup.publication 01-01-2024 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/69052 popup.publisher Київ Description Дипломна 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. popup.nrat_date 2025-01-29 Close