Federal State Institution of Higher Professional Education
Saint Petersburg State University
Graduate School of Management
«MACHINE LEARNING METHODS APPLICATION FOR REAL ESTATE PRICE PREDICTION IN THE RUSSIAN MARKET»
Bachelor’s Thesis by the 4th year student
Concentration – Information Management
RAU Vladislava L.
_____________________________
(Signature)
Thesis Supervisor:
Senior Lecturer
GOROVOY Vladimir A.
______________________________
(Signature)
«MEET THE REQUIREMENTS»
_____________________________
(Thesis Supervisor Signature)
«_____» _______________ 2017.
Saint Petersburg
2017
ЗАЯВЛЕНИЕ О САМОСТОЯТЕЛЬНОМ ХАРАКТЕРЕ ВЫПОЛНЕНИЯ ВЫПУСКНОЙ КВАЛИФИКАЦИОННОЙ РАБОТЫ
Я, Рау Владислава Леонидовна, студентка 4 курса направления 080500 «Менеджмент» (профиль подготовки – Информационный менеджмент), заявляю, что в моей выпускной квалификационной работе на тему «Применение методов машинного обучения для предсказания цены объекта недвижимости на российском рынке», представленной в службу обеспечения программ бакалавриата для последующей передачи в государственную аттестационную комиссию для публичной защиты, не содержится элементов плагиата.
Все прямые заимствования из печатных и электронных источников, а также из защищенных ранее курсовых и выпускных квалификационных работ, кандидатских и докторских диссертаций имеют соответствующие ссылки.
Мне известно содержание п. 9.7.1 Правил обучения по основным образовательным программам высшего и среднего профессионального образования в СПбГУ о том, что «ВКР выполняется индивидуально каждым студентом под руководством назначенного ему научного руководителя», и п. 51 Устава федерального государственного бюджетного образовательного учреждения высшего профессионального образования «Санкт-Петербургский государственный университет» о том, что «студент подлежит отчислению из Санкт-Петербургского университета за предоставление курсовой или выпускной квалификационной работы, выполненной другим лицом (лицами)».
(Подпись студента)
(Дата)
STATEMENT ABOUT THE INDEPENDENT CHARACTER OF THE BACHELOR THESIS
I, Vladislava Rau, fourth year bachelor student, Bachelor of Information Management program, state that my master thesis on the topic «Machine Learning Methods Application for Real Estate Price Prediction in the Russian Market», which is presented to the Bachelor Office to be submitted to the Official Defense Committee for the public defense, does not contain any elements of plagiarism.
All direct borrowings from printed and electronic sources, as well as from term papers and bachelor and master theses, PhD and doctorate theses which were defended earlier, have appropriate references.
I am aware that according to paragraph 9.7.1. of Guidelines for instruction in major curriculum programs of higher and secondary professional education at St. Petersburg University «A bachelor thesis must be completed by each of the degree candidates individually under the supervision of his or her advisor», and according to paragraph 51 of Charter of the Federal State Institution of Higher Professional Education Saint-Petersburg State University «a student can be expelled from St. Petersburg University for submitting of the course or graduation qualification work developed by other person (persons)».
(Student’s signature)
(Date)
Аннотация
Автор
|
Владислава Рау
|
Название выпускной квалификационной работы
|
Применение методов машинного обучения для предсказания цены объекта недвижимости на российском рынке
|
Факультет
|
Высшая Школа Менеджмента
|
Направление подготовки
|
Информационный менеджмент
|
Год
|
2017
|
Научный руководитель
|
Владимир Андреевич Горовой
|
Описание цели, задачи и основных результатов
|
В данной выпускной квалификационной работе была разработана модель машинного обучения, которая прогнозирует цен на недвижимость и может быть использована в качестве первой оценки владельцев недвижимости и агентов по недвижимости.
Для разработки модели использовался язык программирования Python и некоторые из библиотек машинного обучения, такие как scikit-learn.
В качестве датасета был массив из 50000 объявлений, размещенных на сайте Яндекс.Недвижимости, и главной задачей было создать модель прогнозирования цен с высочайшим уровнем точности.
При проведении анализа оценки эффективности моделей были использованы реальные цены объявлений, методы оценки агентов по недвижимости, модели конкурентов Яндекс.Недвижимости, а также разработанные модели, использующие методы машинного обучения.
Лучший результат показала xgboost модель, дающая 75% точность.
|
Ключевые слова
|
предсказание цены на недвижимость, оценка недвижимости, машинное обучение, машинное обучение в недвижимости
| |
