СИСТЕМА УПРАВЛІННЯ ВЕБСЕРВІСОМ ДЛЯ ПРОГНОЗУВАННЯ ЦІН НЕРУХОМОСТІ З ВИКОРИСТАННЯМ МЕТОДІВ МАШИННОГО НАВЧАННЯ

Анотація

Сьогодні існує багато різних веб-сервісів для оренди нерухомості, але жоден з них не надає можливості прогнозування цін. Існує потреба у створенні платформи, яка дозволить користувачам отримувати точні прогнози цін на нерухомість з мінімальними часовими витратами. Метою цієї статті є розробка архітектури веб-сервісу для прогнозування цін на нерухомість з урахуванням різних характеристик квартир. Ми підготували огляд та аналіз існуючих аналогів веб-сервісів оренди нерухомості, функціональні та нефункціональні вимоги до веб-сервісу для прогнозування цін на квартири. Також було розроблено та описано високорівневу архітектуру та технічні завдання для учасників нашого веб-сервісу.

У статті пропонується розробка веб-сервісу, який прогнозує ціни на нерухомість на основі різних характеристик нерухомості. Основними завданнями є: аналіз існуючих веб-сервісів оренди нерухомості та виявлення функціональних прогалин, зокрема, відсутність можливості прогнозування цін; встановлення технічних вимог до комплексного вебсервісу, який об'єднує орендарів, орендодавців та адміністраторів для полегшення прийняття обґрунтованих рішень; використання методів машинного навчання, таких як лінійна регресія, випадковий ліс та дерева рішень, для розробки модуля прогнозування цін в рамках веб-сервісу; оцінка продуктивності різних моделей машинного навчання за допомогою метрики RMSE.

У статті представлено високорівневу архітектуру веб-сервісу, що включає модулі для реєстрації користувачів, валідації даних, пошуку та взаємодії з квартирами, а також прогнозування цін. Експериментальні результати демонструють, що модель випадкового лісу перевершує лінійну регресію та дерева рішень у прогнозуванні цін на оренду квартир у Києві. Загалом, дослідження підкреслює потенціал інтеграції машинного навчання у веб-сервіси нерухомості для підвищення прозорості та прийняття обґрунтованих рішень як для орендарів, так і для орендодавців.