Разработка предсказательной модели стоимости недвижимости в регионе : магистерская диссертация

Abstract

В данной магистерской диссертации рассматривается применение методов машинного обучения для прогнозирования стоимости недвижимости в Ямало-Ненецком автономном округе. В работе рассматриваются существующие алгоритмы машинного обучения, такие как линейная регрессия, случайный лес и XGBoost, анализируются критерии оценки моделей машинного обучения и факторы, влияющие на стоимость недвижимости. В процессе исследования проводится анализ данных, определение параметров, используемых в качестве признаков, и построение предсказательной модели с использованием выбранных алгоритмов машинного обучения. В результате работы оптимальной моделью для прогнозирования цен на недвижимость в регионе выбран случайный лес, так как показал наилучший результат по применяемым метрикам.

In this master's thesis the application of machine learning methods for predicting the cost of real estate in the Yamalo-Nenets Autonomous District is considered. The paper reviews existing machine learning algorithms such as linear regression, random forest and XGBoost, analyses the evaluation criteria of machine learning models and factors affecting real estate value. The research process involves analysing the data, identifying the parameters used as features and building a predictive model using the selected machine learning algorithms. As a result of the work, random forest is selected as the optimal model for predicting property prices in the region, as it showed the best result according to the applied metrics.