Аналіз, моделювання та прогнозування ціни будинків залежно від їх розмірів
DOI:
https://doi.org/10.26642/ten-2022-2(90)-79-86Ключові слова:
аналіз даних; модель лінійної регресії; машинне навчання; штучний інтелектАнотація
Мета аналізу даних – отримувати інформацію, яку непросто витлумачити, але яка, якщо її зрозуміти, допоможе правильно її використати. У статті описано новий підхід до використання інтелектуальних технологій для певних бізнес-рішень, а саме для дослідження цінової політики вартості будинків залежно від їх розмірів. Об’єктом дослідження є аналіз даних інформації про наявні в продажу будинки, їх розміри і вартість. Предметом дослідження є методи, алгоритми та засоби інтелектуального аналізу даних. У статті розглядається найбільш простий і зрозумілий, водночас часто використовуваний метод математичного програмування для вирішення завдань такого роду – метод градієнтного спуску (gradient descent). У роботі використана найбільш поширена функція втрат середньоквадратичної помилки. Похідна цієї функції показує обчислення градієнта для лінійної регресії. Використано лінійну регресію (Linear regression) – модель залежності змінних (вартості та площі будинку) з лінійною функцією залежності. Дані для аналізу були завантажені з декількох інтернет-ресурсів продажу та оренди житла. В статті представлено візуалізацію методу градієнтного спуску по функції помилки за двома параметрами. Крім 3D-графіків, у роботі представлені контурні графіки. Контурний графік – це метод представлення тривимірного зображення у двомірній площині, що добре представляє покрокову роботу методу градієнтного спуску. В результаті було спроєктовано модель, де можна побачити, як модель підлаштовується під тренувальні дані і готова виконувати своє завдання. Провівши тестування запропонованої моделі, можна виявити приблизну вартість будинку залежно від його розмірів. Функція помилки мінімізована і відповідає вимогам поставленого завдання. В подальшому планується збільшити кількість вхідних даних для аналізу, вказавши місце розташування, кількість кімнат, величину прилеглої території.
Посилання
Levkivskyi, V., Lobanchykova, N. and Marchuk, D. (2020), «Research of algorithms of Data Mining. E3S Web of Conferences», The International Conference on Sustainable Futures: Environmental, Technological, Social and Economic Matters (ICSF 2020), Vol. 166, doi: 10.1051/e3sconf/202016605007.
Yao, W. and Li, L. (2014), «A New Regression Model: Modal Linear Regression», Scandinavian Journal of Statistics, No. 41, pp. 656–671, doi: 10.1111/sjos.12054.
Opmane, I. (2013), «Use of Cluster Analysis in Exploring Economic Indicator Differences among Regions: The Case of Latvia», Journal of Economics, Business and Management, No. 1 (1), рр. 42–45.
Paianok, T. and Vazhaliuk, Y. (2019), «Cluster analysis of labor potential of Ukraine», Economy and State, No. 12, рр. 109–114.
Behun, S. (2016), «Application of cluster analysis to study the demographic situation in the region», Economic Journal of Lesya Ukrainka East European National University, No. 2, рр. 122–128.
Synytsia, S. and Vakun, O. (2017), «Clustering of regions by level of economic potential», Economy and society Mukachevo State University, No. 12, рр. 776–784.
Potapova, N. (2010), Clustering of economic regions of Ukraine in terms of innovation and research, Polytechnic National University Institutional Repository, Lviv, рр. 33–39.
Riadno, O. and Berkut, O. (2016), «Research of structure and dynamics of differentiation of social and economic development of regions of Ukraine on the basis of the cluster analysis», Economic bulletin of Donbass, No. 1 (43), рр. 60–67.
Zomchak, L. and Dobrotii, Y. (2020), «Clustering of regions of Ukraine by competitiveness», Administrative-territorial vs economicspatial borders of regions, рroceedings of the International scientific-practical conference, KNEU, pp. 328–332.
Kharlamova, G., Roskladka, A., Roskladka, N. et al. (2021), «Cluster analysis of Ukrainian regions regarding the level of investment attractiveness in tourism», Proceedings of the 17th International Conference on ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer. II, pp. 401–416, [Online], available at: http://icteri.org/icteri-2021/proceedings/volume-2/202110401.pdf
Levkivs'kyj, V.L., Marchuk, G.V., Cyporenko, V.V. and Marchuk, D.K. (2021), Algorytmichno-programne zabezpechennja obrobky ta analizu potoku kadriv videodanyh, shho nadhodjat' z kamer mista, komp’juterna programa, [Online], available at: http://eztuir.ztu.edu.ua/bitstream/handle/123456789/8019/109822.pdf?sequence=1&isAllowed=y
Levkivskyi, V., Marchuk, D., Lobanchykova, N. et al. (2022), «Available parking places recognition system», CEUR Workshop Proceedings 4th Workshop for Young Scientists in Computer Science & Software Engineering, Vol. 3077, рр. 123–134, [Online], available at: http://ceur-ws.org/Vol-3077/paper07.pdf
Granik, M. and Mesyura, V. (2017), «Fake news detection using naive Bayes classifier», 2017 IEEE First Ukraine Conference on Electrical and Computer Engineering (UKRCON), pp. 900–903, doi: 10.1109/UKRCON.2017.8100379.
Ievdokymov, V., Ostapchuk, T., Lehenchuk, S. et al. (2020), «Analysis of the Impact of Intangible Assets on the Companies' market Value», Naukovyi Visnyk Natsional'nogo Hirnychogo Universytety, No. 3, pp. 164–170.
Список використаної літератури:
Levkivskyi V. Research of algorithms of Data Mining. E3S Web of Conferences / V.Levkivskyi, N.Lobanchykova, D.Marchuk // The International Conference on Sustainable Futures: Environmental, Technological, Social and Economic Matters (ICSF 2020). – 2020. – Vol. 166. DOI: 10.1051/e3sconf/202016605007.
Yao W. A New Regression Model: Modal Linear Regression / W.Yao, L.Li // Scandinavian Journal of Statistics. – 2014. – № 41. – P. 656–671. DOI: 10.1111/sjos.12054.
Opmane I. Use of Cluster Analysis in Exploring Economic Indicator Differences among Regions: The Case of Latvia / I.Opmane // Journal of Economics, Business and Management. – 2013. – № 1 (1). – Р. 42–45.
Paianok T. Cluster analysis of labor potential of Ukraine / T.Paianok, Y.Vazhaliuk // Economy and State. – 2019. – № 12. – Р. 109–114.
Behun S. Application of cluster analysis to study the demographic situation in the region / S.Behun // Economic Journal of Lesya Ukrainka East European National University. – 2016. – № 2. – Р. 122–128.
Synytsia S. Clustering of regions by level of economic potential / S.Synytsia, O.Vakun // Economy and society Mukachevo State University. – 2017. – № 12. – Р. 776–784.
Potapova N. Clustering of economic regions of Ukraine in terms of innovation and research / N.Potapova. – Lviv : Polytechnic National University Institutional Repository, 2010. – Р. 33–39.
Riadno O. Research of structure and dynamics of differentiation of social and economic development of regions of Ukraine on the basis of the cluster analysis / O.Riadno, O.Berkut // Economic bulletin of Donbass. – 2016. – № 1 (43). – Р. 60–67.
Zomchak L. Clustering of regions of Ukraine by competitiveness / L.Zomchak, Y.Dobrotii // Administrative-territorial vs economicspatial borders of regions : рroceedings of the International scientific-practical conference. – KNEU, 2020. – P. 328–332.
Cluster analysis of Ukrainian regions regarding the level of investment attractiveness in tourism / G.Kharlamova, A.Roskladka, N.Roskladka and other // Proceedings of the 17th International Conference on ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer. II, 2021. – P. 401–416 [Electronic resource]. – Access mode : http://icteri.org/icteri-2021/proceedings/volume-2/202110401.pdf.
Алгоритмічно-програмне забезпечення обробки та аналізу потоку кадрів відеоданих, що надходять з камер міста : комп’ютерна програма / В.Л. Левківський, Г.В. Марчук, В.В. Ципоренко, Д.К. Марчук. – 2021 [Electronic resource]. – Access mode : http://eztuir.ztu.edu.ua/bitstream/handle/123456789/8019/109822.pdf?sequence=1&isAllowed=y.
Available parking places recognition system / V.Levkivskyi, D.Marchuk, N.Lobanchykova and other // CEUR Workshop Proceedings 4th Workshop for Young Scientists in Computer Science & Software Engineering. – 2022. – Vol. 3077. – P. 123–134 [Electronic resource]. – Access mode : http://ceur-ws.org/Vol-3077/paper07.pdf.
Granik M. Fake news detection using naive Bayes classifier / M.Granik, V.Mesyura // 2017 IEEE First Ukraine Conference on Electrical and Computer Engineering (UKRCON), 2017. – P. 900–903. DOI: 10.1109/UKRCON.2017.8100379.
Analysis of the Impact of Intangible Assets on the Companies' market Value / V.Ievdokymov, T.Ostapchuk, S.Lehenchuk and other // Naukovyi Visnyk Natsional'nogo Hirnychogo Universytety. – 2020. – № 3. – Р. 164–170.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2022 Юрій Олександрович Годлевський, Галина Вікторівна Марчук, Ірина Володимирівна Панаріна
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автор, який подає матеріали до друку, зберігає за собою всі авторські права та надає відповідному виданню право першої публікації, дозволяючи розповсюджувати даний матеріал із зазначенням авторства та джерела первинної публікації, а також погоджується на розміщення її електронної версії на сайті Національної бібліотеки ім. В.І. Вернадського.
