Obiekt

Tytuł odmienny:

Residential Real Estate Price Forecast Using Machine Learning

Autor:

Frącz, Mateusz

Współtwórca:

Dudycz, Helena. Redaktor

Opis:

Wrocław: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, 2023, s. 57-71

Abstrakt:

Uczenie maszynowe odgrywa w dzisiejszym świecie coraz większą rolę. Ma wiele zastosowań, które mogą być wykorzystywane w nauce i przedsiębiorstwach. Pozwala na dokonywanie prognoz wartości ciągłych z wykorzystaniem estymatora przeprowadzającego regresję. Celem badania jest stworzenie modelu prognozującego ceny nieruchomości mieszkalnych i weryfikacja jego skuteczności z wykorzystaniem różnych algorytmów w języku Python 3, biblioteki Pandas, LazyPredict, Scikit-learn w środowisku Jupyter Notebook. Zastosowane metody badawcze to: analiza literatury, analiza dokumentacji, studium porównawcze wykorzystanie biblioteki LazyPredict do wyznaczenia najwydajniejszego estymatora zgodnie z wartością współczynnika determinacji, wykorzystanie GridSearchCV do znalezienia najlepszej kombinacji hiperparametrów modelu lasu losowego. Dokonana analiza umożliwiła wskazanie najlepszego algorytmu spośród wybranych, którym okazał się regresor lasu losowego, do przeprowadzenia procesu uczenia na danych.

Wydawca:

Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu

Miejsce wydania:

Wrocław

Data wydania:

2023

Typ zasobu:

rozdział

Identyfikator zasobu:

doi:10.15611/2023.81.7.05 ; oai:dbc.wroc.pl:125398

Język:

pol

Powiązania:

Debiuty Studenckie 2023 ; Informatyka w biznesie

Prawa:

Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy

Prawa dostępu:

Dla wszystkich zgodnie z licencją

Licencja:

CC BY-SA 4.0

Lokalizacja oryginału:

Uniwersytet Ekonomiczny we Wrocławiu