Search academic texts

Information × Registration Number 2125U003176, Article popup.category Бакалаврська робота Title Application of methods and approaches of intelligent data analysis for forecasting housing prices (AI translated) popup.author Пижук Анастасія ОлександрівнаPyzhuk Anastasiya Oleksandrivna popup.publication 01-01-2025 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/76250 popup.publisher Київ Description Дипломна 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. Bachelor 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. popup.nrat_date 2025-11-05 Close