Ứng dụng mô hình học máy vào dự đoán và phân tích giá nhà

Chỉ số đề mục

47

Lĩnh vực nghiên cứu

Kỹ thuật điện và điện tử

Dạng tài liệu

BB

Tác giả

Nguyễn Ngọc Sơn

Nhan đề

Ứng dụng mô hình học máy vào dự đoán và phân tích giá nhà

Nhan đề tiếng anh

Using machine learning models to predict and analyze house prices

Nguồn trích

Tạp chí Giao thông vận tải

Năm xuất bản

2024

Số

4

Trang

152-155

ISSN

2354-0818

Từ khóa

Giá nhà, bất động sản, Học máy, Yếu tố ảnh hưởng, Tăng cường độ dốc.

Từ khóa tiếng anh

House price, Real estate, Machine learning, Feature importance, Gradient Boosting.

Tóm tắt

Dự báo giá nhà trong thị trường bất động sản là một trong những khía cạnh quan trọng của việc kiểm soát và quản lý thị trường bất động sản. Giá nhà bị ảnh hưởng bởi một loạt yếu tố, bao gồm vị trí của căn nhà, các tiện ích của nó và cung cầu cho các bất động sản trên thị trường. Nghiên cứu này sử dụng mô hình học máy dựa trên bộ dữ liệu trong quá khứ để phân tích và dự đoán giá nhà. Mô hình học máy tăng cường độ dốc GB có hiệu suất tốt nhất trong việc dự đoán giá nhà. Lý thuyết trò chơi SHAP giúp đánh giá định lượng ảnh hưởng các yếu tố đến giá nhà, trong đó số lượng phòng của nhà bán ảnh hưởng lớn nhất đến giá nhà. Thông qua việc thành công của việc sử dụng các kỹ thuật học máy để phân tích và dự báo giá nhà dựa trên bộ dữ liệu giá nhà của Boston - Hoa Kỳ, kết quả của mô hình đã cho thấy tiềm năng khai thác và sử dụng mô hình học máy trong phân tích thị trường bất động sản ở Việt Nam.

Tóm tắt tiếng anh

Forecasting housing prices in the real estate market is a crucial aspect of controlling and managing the real estate market. Housing prices are influenced by a range of factors, including the location of the property, its amenities and the supply and demand for real estate in the market. This study utilizes a machine learning model based on historical data to analyze and predict housing prices. The Gradient Boosting machine learning model demonstrates the best performance in predicting housing prices. The SHAP game theory helps quantitatively assess the impact of various factors on housing prices in feature importance analysis, revealing that the number of rooms in a house has the most significant influence on the price. Through the success of employing machine learning techniques to analyze and forecast housing prices based on the Boston, USA housing price dataset, the model’s results indicate the potential for leveraging and utilizing machine learning models in analyzing the real estate market in Vietnam.

Kí hiệu kho

TTKHCNQG, CVb 12

File toàn văn

Xem toàn văn