+7(999)340-56-00
Исследования | Машинное обучение | Искусственный интеллект
Анализ факторов влияния на цену квартир с помощью ML и AI в интересах девелоперов под проекты развития территорий
Цель проекта
- разработать математические модели и программное обеспечение для оценки факторов влияния на цену городской недвижимости.
Описание ситуации
Оценка факторов влияния на цену недвижимости актуальна для девелоперов при планировании строительства новых объектов, а также для органов власти при анализе дефицита городской инфраструктуры. Ценообразование на рынке недвижимости – это сложное явление с элементами поведенческой экономики и психологии. Тут невозможно построить
детерминированные модели, но можно применить машинное обучение и искусственный интеллект.
детерминированные модели, но можно применить машинное обучение и искусственный интеллект.
Что было сделано
-
Разработана универсальная модель данных, основанная на концепции цифровых двойников и описывающая объекты недвижимости с учетом их окружения.{a1i,t, ... , aKi,t, b1i,t, ... , bLi,t, c1i,t, ... , cMi,t, d1i,t, ... , dNi,t | yi,t}
i – идентификатор объекта, t – временная метка, a, b, c, d – категории признаков, y – целевая переменная (цена м2) - На примере Екатеринбурга собраны и обработаны данные по ~10 000 объектам недвижимости из открытых источников. По всем признакам в качестве вспомогательных инструментов получены различные срезы данных.
-
Построены модели прогнозирования цены на основе признаковых описаний объектов недвижимости с использованием ансамблей (XGBoost, RandomForest) и нейронных сетей.
-
Разработан, реализован в виде web-приложения и протестирован алгоритм на основе добавления признаков (greedy-add) для оценки факторов влияния на цену недвижимости.
-
Помимо очевидных факторов (расстояния до центра города, возраст дома и площадь квартиры), модель показала значимое влияние на цену квартир доступности метро и важность его развития в Екатеринбурге.
Технические детали
Схема сбора, хранения и анализа данных
Инструменты – Python и ML библиотеки
