Використання методів машинного навчання для оцінки вартості житла

Abstract

Мета роботи. Для оцінки вартості житла у місті Києві застосовано підхід, що базується на нечіткій логіці. Нечіткі методи дозволяють застосовувати лінгвістичний опис складних процесів, встановлювати нечіткі взаємозв'язки між поняттями, прогнозувати поведінку системи, створювати набір альтернативних дій, формально описувати нечіткі правила прийняття рішень. Результати. Виконана програмна реалізація моделі на мові програмування Python. Дані для моделювання взяті за період липень–жовтень 2020 року з єдиної бази звітів про оцінку майна. Вибірка містила 2133 записи, вона відфільтрована, поділена на навчальну та тестову у пропорції 85 : 15. Для оцінки якості роботи програми розраховано середню відносну похибку розробленої моделі.

Цель статьи. В данной работе для оценки стоимости жилья в Киеве был применен подход, основанный на нечеткой логике. Нечеткие методы позволяют применять лингвистический описание сложных процессов, устанавливать нечеткие взаимосвязи между понятиями, прогнозировать поведение системы, создавать набор альтернативных действий, формально описывать нечеткие правила принятия решений. Результаты. Была выполнена программная реализация модели на языке программирования Python. Данные для моделирования были взяты за период июль-октябрь 2020 года с единой базы отчетов об оценке имущества. Выборка включала 2133 записи, она была отфильтрована, поделена на учебную и тестовую в пропорции 85:15. Для оценки качества работы программы было рассчитано среднюю относительную погрешность разработанной модели.

The purpose of the paper. In this paper, an approach based on fuzzy logic was used to estimate the cost of housing in Kyiv. Fuzzy methods allow to apply a linguistic description of complex processes, to establish fuzzy relationships between concepts, to predict the behavior of the system, to create a set of alternative actions, to formally describe fuzzy decision-making rules. Results. The software implementation of the model in Python programming language was performed. Data for modeling were taken for the period July – October 2020 from a single database of property valuation reports. The sample contained 2133 records, it was filtered, divided into training and testing in the proportion of 85 : 15. To assess the quality of the program, the average relative error of the developed model was calculated.