@misc{Durgiełło_Marcin_Porównanie_2024,
 author={Durgiełło, Marcin},
 contributor={Dudycz, Helena. Redaktor},
 identifier={DOI: 10.15611/2024.80.2.04},
 year={2024},
 rights={Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy},
 publisher={Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu},
 description={Dugiełło, M. (2024). Porównanie jakości modeli prognozowania na podstawie cen transakcyjnych nieruchomości mieszkalnych we Wrocławiu. W: H. Dudycz (red.), Informatyka w biznesie (s. 48-62). Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu.},
 language={pol},
 abstract={Badanie koncentruje się na porównaniu skuteczności metod uczenia maszynowego, takich jak lasy losowe oraz regresja liniowa w kontekście wyceny nieruchomości mieszkalnych na podstawie danych transakcyjnych. Głównym celem artykułu jest ocena zdolności tych metod do precyzyjnego prognozowania cen nieruchomości. Artykuł rozpoczyna się od teoretycznego wprowadzenia do wyceny nieruchomości, omawiając definicje i istniejące podejścia w Polsce. Następnie przedstawione są założenia badania empirycznego zawierające szczegółowy opis zbioru danych oraz używane zmienne. Analiza skupia się na rynku mieszkalnym we Wrocławiu w latach 2014-2023. Zastosowano metodę GridSearchCV do optymalizacji parametrów modeli predykcyjnych. Wnioski płynące z badania pokazują potencjał modeli nieliniowych w estymacji cen nieruchomości i jednocześnie podkreślają znaczenie odpowiedniej kalibracji hiperparametrów przed przystąpieniem do estymacji.},
 type={rozdział},
 title={Porównanie jakości modeli prognozowania na podstawie cen transakcyjnych nieruchomości mieszkalnych we Wrocławiu},
 keywords={nieruchomości, wycena nieruchomości, modele prognozowania, uczenie maszynowe, liniowa regresja, las losowy, ANOVA, hiperparametry, GridSearchCV, real estate, property valuation, forecasting models, machine learning, linear regression, random forests, hyperparameters},
}