МЕТОДЫ АВТОМАТИЗИРОВАННОЙ ОЦЕНКИ КОММЕРЧЕСКОЙ НЕДВИЖИМОСТИ
| Rok vydání: | 2022 |
|---|---|
| Předmět: | |
| DOI: | 10.24412/2411-0450-2022-11-2-6-12 |
| Popis: | Автоматизированные модели оценки (АМО) являются объектом изучения уже на протяжении многих десятилетий. В данной работе рассматриваются некоторые из основных методов, которые применялись в литературе, и ставится цель раскрыть их преимущества и ограничения для решения поставленной задачи. Сначала рассматриваются некоторые из наиболее традиционных методик, а именно регрессионная модель гедонистических цен (НРМ - hedonic prices model) и географически-взвешенная регрессия (GWR - geographically weighted regression). Далее рассматриваются «более новые» алгоритмы машинного обучения, а именно деревья решений, случайный лес (RF - random forest) и градиентный бустинг (GBM - gradient boosting model). Наконец, эти методы оцениваются на основе потенциальной точности прогнозирования для оценки отдельных свойств и степени интерпретируемости и достоверности результатов. Automated valuation models (AVMs) have been the subject of study for many decades. This paper discusses some of the main methods that have been used in the literature, and aims to reveal their advantages and limitations for solving the problem. First, some of the more traditional techniques are considered, namely the hedonic prices regression model (HPM) and geographically weighted regression (GWR). Further, “newer” machine learning algorithms are considered, namely decision trees, random forest (RF - random forest) and gradient boosting (GBM - gradient boosting model) Finally, these methods are evaluated based on the potential accuracy of prediction to evaluate individual properties and the degree of interpretability and reliability of the results. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|