Gayrimenkul değerlemesinde makine öğrenmesi tekniklerinin kıyaslanması
Comparison of machine learning techniques in real estate valuation
- Tez No: 642246
- Danışmanlar: PROF. DR. SELÇUK ÇEBİ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Sistem Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, gayrimenkul değerlemesinde Doğrusal (Lineer) Regresyon, Rasgele Orman (Random Forest) algoritması, Destek Vektör (Support Vector) algoritması ve Yapay Sinir Ağı (Artificial Neural Network) yöntemleri kullanılarak elde edilen sonuçlar karşılaştırılmıştır. Değerleme çalışması için uygulama alanı olarak, Türkiye'nin nufüs açısından en kalabalık, ekonomik, tarih ve sosyo-kültürel açıdan en zengin, gelir dağılımı açısından en geniş aralığına sahip olan ve en fazla konutun bulunduğu İstanbul ili seçilmiştir. Bu çalışma kapsamında İstanbul ilinin tüm ilçe ve mahallerinde bulunan satılık daire ilanları referans alınarak konut fiyat tahmin modelleri geliştirilmiştir. Aynı ilanın farklı sitelerde farklı fiyatlarda satışa sunumu ile oluşabilecek dublikasyonlarda ve veri tutarsızlıklarından kaçınmak amacıyla çalışmada yalnızca bir emlak sitesinden 27.778 adet satılık daire ilanına ait veri analiz edilmiştir. Veriler temizlendikten sonra analiz çalışmaları yapılmıştır. Çalışma kapsamında toplanan verilerin analizi için kullanılan yöntemler python dilinde kodlanarak analizler gerçekleştirilmiştir. Son yıllarda python makine öğrenme algoritmaları için açık kaynak kodlu programlardan en sık kullanılan dillerden biri olarak öne çıkmaktadır. Model tahmin sonuçlarını arttırmak için çeşitli veri dönüşümleri yapılmıştır. Model üzerinde etkili özellikleri tespit etmek özellik seçim algoritmaları kullanılmıştır. Yapılan analizler sonucunda en iyi tahminleme Rasgele Orman modeli ile elde edilmiştir
Özet (Çeviri)
In this study, the results obtained by using Linear Regression, Random Forest algorithm, Support Vector algorithm, and Artificial Neural Network methods in real estate valuation are compared. Istanbul province, which in Turkey has the highest population density and represents the economical, historical, and socio-cultural center of the country was chosen as an application area. Within the scope of this study, the housing price prediction models have been developed by referring to the advertisements for the sale of flat all over the districts of Istanbul. In order to avoid duplications and data inconsistencies that may occur with the same advertisements for different sale prices of flats on different sites, 27.778 units of sale data were downloaded from only one real estate site. The methods used for the analysis of the collected data were coded in the python language and analyzed. In recent years, python has become one of the most frequently used languages from open-source programs for machine learning algorithms. Various data transformations were made to increase the model prediction results. Feature selection algorithms were used to find effective features on the model. As a result of the analysis, the best estimation was obtained with the Random Forest model.
Benzer Tezler
- Makine öğrenmesi yöntemleri kullanılarak gayrimenkul değer tahmininde coğrafi referanslı verinin katkısı
Contribution of geo-referenced data in real estate value prediction using machine learning methods
MUSTAFA DENİZ AYAR
Yüksek Lisans
Türkçe
2024
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER ŞEN
- Kitlesel değerlemede makine öğrenme algoritmaları
Machine learning algorithms in mass appraisal
SİBEL CANAZ SEVGEN
Doktora
Türkçe
2022
Bilim ve TeknolojiAnkara ÜniversitesiGayrimenkul Geliştirme ve Yönetimi Ana Bilim Dalı
DOÇ. DR. YEŞİM TANRIVERMİŞ
- CBS tabanlı makine öğrenme teknikleri ile toplu taşınmaz değerlemesi
Mass real estate valuation by GIS-based machine learning techniques
SÜLEYMAN ŞİŞMAN
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. ARİF ÇAĞDAŞ AYDINOĞLU
- Coğrafi bilgi sistemleri entegreli makine öğrenmesine dayalı toplu taşınmaz değerleme modelinin geliştirilmesi
Development of mass property valuation model based on geographic information systems integrated machine learning methods
MUHAMMED OĞUZHAN METE
Doktora
Türkçe
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. TAHSİN YOMRALIOĞLU
- Toplu konut değerleme için hibrit makine öğrenimi ve topluluk öğrenmesi yaklaşımı ile model mimarisi
Model architecture for mass real estate appraisalwith hybrid machine learning and ensemble learning approach
CİHAN ÇILGIN
Doktora
Türkçe
2023
Yönetim Bilişim SistemleriGazi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. HADİ GÖKÇEN