Hệ hỗ trợ quyết định dự đoán giá trị bất động sản hỗ trợ nhà quản lý giải phóng mặt bằng

Hệ hỗ trợ quyết định dự đoán giá trị bất động sản hỗ trợ nhà quản lý giải phóng mặt bằng... + Thị trường bất động sản luôn biến động, số tiền giải phóng chiếm một phần lớn trong tổng th

Hệ hỗ trợ quyết định dự đoán giá trị bất động sản hỗ trợ nhà quản lý giải

phóng mặt bằng

Mục lục:

1 Tổng quan vấn đề

2 Dữ liệu bài toán

3 Mô hình bài toán

4 Giao diện, chương trình demo

1.Tổng quan vấn đề.

1.1 giới thiệu vấn đề

+ Thị trường bất động sản luôn biến động, số tiền giải phóng chiếm một phần lớn trong tổng thế giá trị của các dự án

+ Không có một mức giá chính xác, giá được thoả thuận giữa người bán

và doanh nghiệp

=> Cần một công cụ dự đoán một cách tương đối chính xác tổng số tiền cần giải phóng mặt bằng giúp người quản lý đưa ra quyết định phù hợp với nguồn lực doanh nghiệp

1.2 Đề xuất phương án giải quyết.

Sử dụng mô hình học máy xây dựng một ứng dụng hỗ trợ dự đoán giá giải phóng mặt bằng

=> Đưa ra dự đoán nhanh, tương đối chính xác về giá giải phóng mặt bằng

Tuy nhiên vẫn còn nhược điểm như:

=> Cần dữ liệu có độ chính xác cao về các khu vực cần giải phóng mặt bằng

2 Dữ liệu bài

toán.

Mô hình dự báo dựa trên dữ liệu nhà đất của quận (hạt) King County, USA Dữ liệu bao gồm : 21614 bản ghi, bao gồm: 21 trường dữ liệu

Nguồn: https://geodacenter.github.io/data-and-lab//KingCounty-HouseSales2015/

2.1 Xử lý

dữ liệu

không

hợp lệ.

Khôi phục giá trị bị mất bằng cách tính trung bình.

Chuẩn hóa dữ liệu bằng phương pháp minmaxScaler

DỮ LIỆU BÀI

TOÁN

Diện tích (sqft)

3 Xây dựng mô hình.

3.1 Bài toán

Giả sử dữ liệu bài toán tuân theo mô hình hồi quy tuyến tính

3 Xây

dựng mô hình.

3.2 Đánh giá độ phù hợp của mô hình.

3 Xây

dựng mô hình

Hệ số R squared là 0.671, tức là khoảng 67.1% sự biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập

Giá trị của các p tương ứng với các biến độc lập < 0.05 chứng tỏ các biến độc lập đều tác động có ý nghĩa thống kê đến biến phụ thuộc Trường hợp p

> 0.05 loại trường đó khỏi

mô hình.

3 Xây

dựng mô

hình.

3.1 Sai số của mô hình

Mean Absolute Error (MAE): là trung bình của giá trị tuyệt đối của các lỗi :

= 133684.25

3 Xây

dựng mô

hình.

◦  

GIAO DIỆN CHƯƠNG TRÌNH DEMO

CẢM ƠN MỌI NGƯỜI ĐÃ LẮNG NGHE

!