Hızlı Erişim


Bu Dergi DOI ve Crosscheck üyesidir


VERİ MADENCİLİĞİ ALGORİTMALARI İLE GAYRİMENKUL FİYATLARININ TAHMİNİ
(PREDICTION OF REAL ESTATE PRICES WITH DATA MINING ALGORITHMS )

Yazar : Ömmu Gülsüm UZUT  , Selim BUYRUKOĞLU  
Türü :
Baskı Yılı : 2020
Sayı : 9
Sayfa : 77-84
    


Özet

Gerçek dünyada, emlak, spor, teknoloji gibi birçok pazarda veri miktarı artmıştır. Bu anlamda, verileri manuel olarak yönetmek ve analiz etmek zordur. Veri madenciliği, büyük miktarda veriyi anlamayı ve üzerinde iyileştirmeler yapmayı sağlayan bir alandır. Veri setlerinin tahmini ve değerlendirilmesi çeşitli veri madenciliği algoritmaları ile incelenmiştir. Bu çalışma, emlak(daire) fiyatı tahmini üzerine veri madenciliği algoritmalarının uygulanmasını ve karşılaştırılmasını amaçlamaktadır. Veriler California Irvine Üniversitesi'nden (UCI) alınmıştır. Bu verisetinde, dairenin işlem tarihi, yaşı, en yakın toplu taşıma istasyonuna olan mesafesi, daireye yürüme mesafesindeki mağaza sayısı ve coğrafi koordinat bilgileri yer almaktadır. Rastgele orman, gradyan artırma ve doğrusal regresyon gibi farklı veri madenciliği algoritmaları, gayrimenkul verisi üzerinde fiyatlandırma tahmini için eğitilmiştir. Bu tahmin modelleri farklı boyutlarda test seti alınarak oluşturulmuştur. Ölçüm tekniklerinde Ortalama Karakök Hatası (RMSE), Ortalama Kare Hatası (MSE) ve Ortalama Mutlak Hata (MAE) metrikleri kullanılmıştır. Test seti miktarı %20 olduğunda en iyi sonuç gradyan artırma algoritması ile elde edilmiştir ve bu yöntem için ortalama mutlak hata 3.92'dir.



Anahtar Kelimeler
Gayrimenkul, Ortalama Mutlak Hata, Gradyan Artırma, Veri Madenciliği

Abstract

In real world, the amount of data has increased in many markets such as real estate, sport, technology etc. In this sense, it is difficult to manage and analyze the data manually. Data mining is a field that enables to understand large amounts of data and make improvements on it. Estimation and evaluation of the data sets have been studied by various data mining algorithms. This study aims at implementing and comparison of data mining algorithms on real estate price prediction. The data is obtained from the University of California Irvine (UCI). This model takes into account the transaction date, house age, distance to the nearest MRT station, number of convenience stores in the living circle on foot, and geographic coordinate information. Different data mining algorithms including random forest, gradient boosting and linear regressor have been trained on real estate data for pricing house. These prediction models have been built by taking different size of test set. Root Mean Square Error (RMSE), Mean Square Error (MSE) and Mean Absolute Error (MAE) metrics are used in the measurement techniques. The best result was obtained by gradient boosting regression when the amount of test set is 20%, and the mean absolute error for this method was 3.92.



Keywords
Real Estate, Mean Absolute Error, Gradient Boosting, Data Mining

Gelişmiş Arama


Duyurular

    ***********************

    DEĞERLİ BİLİM 

    İNSANLARI!

    mail mail mail mail mail

    Dergimizin Mart sayısı 

    (25.03.2021)

    yayınlanmıştır.

    mail mail mail mail mail

    DEĞERLİ BİLİM 

    İNSANLARI!

    mail mail mail mail mail

    Dergimizin

    Mayıs Sayısı 

    İçin Makalenizi  

    Sisteme Yükleyebilirsiniz.

    mail mail mail mail mail

     



Adres :Göztepe Mah., Beykoz, İstanbul/TURKEY
Telefon :+90 555 005 92 85 Faks :+90 216 606 32 75
Eposta :info@euroasiajournal.org

Web Yazılım & Programlama Han Yazılım Bilişim Hizmetleri