Μηχανική μάθηση στον κλάδο των ακινήτων

Abstract

Η αγορά ακινήτων, ειδικά στη σημερινή εποχή που χαρακτηρίζεται από αξιοσημείωτη οικονομική αστάθεια, παίζει πολύ σημαντικό ρόλο για τον καθένα ατομικά και επίσης για τις οικογένειες και τις επιχειρήσεις-οργανισμούς. Αποτελεί δείκτη οικονομικής ευμάρειας, κοινωνικής ευημερίας όπως φυσικά και παράγοντα που καθορίζει το οικονομικό επίπεδο των ενδιαφερόμενων αγοραστών και του βιοτικού επιπέδου της κοινωνίας-περιοχής στην οποία κατοικούν ή θα κατοικήσουν. Η τιμή των ακινήτων εξαρτάται από πλήθος μεταβλητών και είναι εκτεθειμένη σε πληθώρα μεταβολών παραγόντων, που σχετίζονται άμεσα ή έμμεσα μεταξύ τους αλλά και με την τιμή-στόχο, λόγω πολλών συσχετίσεων και αλληλεπιδράσεων μεταξύ αυτών. Μεγάλοι οργανισμοί όπως η Zillow, Trulia, Redfin και Remax έχουν αναπτύξει και εξελίσσουν συνεχώς πολύπλοκες εφαρμογές για να προβλέπουν, μέσω αυτοματοποιημένων διεργασιών, τις τιμές κατοικιών ή και βιομηχανικών εγκαταστάσεων, διαμορφώνοντας έτσι νέα δεδομένα σε αυτό τον κλάδο. Η εκπόνηση μιας έρευνας πάνω σε αυτήν την περίπτωση στον τομέα του κλάδου των ακινήτων έχει σκοπό να αναδείξει τη αξιοποίηση της πληροφορίας με τη λογική και τις τεχνικές της Μηχανικής Μάθησης (Machine Learning). Με τη χρήση βασικών τεχνικών γίνεται προσπάθεια για την κατασκευή ενός μοντέλου που θα έχει την ικανότητα να προβλέπει με σχετική ακρίβεια τις τιμές των ακινήτων μιας περιοχής θίγοντας και παρατηρώντας ταυτόχρονα αξιοσημείωτες τάσεις και ενδείξεις που μας οδηγούν σε χρήσιμα συμπεράσματα. Η χρήση της γλώσσας προγραμματισμού R στο λογισμικό περιβάλλον RStudio αποτελεί το κύριο συστατικό στοιχείο για την ανάλυση του σετ δεδομένων, που έχουμε ηλεκτρονικά στη διάθεσή μας, το οποίο περιέχει χαρακτηριστικά κατοικιών προς πώληση σε μια συγκεκριμένη περιοχή. Με τη βοήθεια επιλεγμένης μεθόδου στατιστικής ανάλυσης προβλέπουμε την τιμή στόχο, εδώ τιμή πώλησης, μέσω στατιστικού μοντέλου διερευνώντας και αναλύοντας παράλληλα τις κύριες παραμέτρους που την καθορίζουν.