Assessment of machine learning methods for mass real estate appraisal
Makine öğrenmesi yöntemlerinin toplu gayrimenkul değerleme çalışmaları açısından değerlendirilmesi
- Tez No: 758687
- Danışmanlar: DOÇ. DR. SULTAN KOCAMAN
- Tez Türü: Doktora
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Geomatik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Geomatik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 102
Özet
Bu çalışmada, toplu gayrimenkul değerleme için makine öğrenmesi yöntemlerinin kullanımı, geniş bir sahaya uygulanan 5 yöntemin etkinliği, tahmin doğrulukları, ve şeffaflığı dikkate alınarak incelenmiştir. Çalışma alanı Türkiye'nin başkenti Ankara Kenti Mamak İlçesi içinde yer almaktadır. Bu tezde kullanılan veriler özenle denetlenmiş ve incelenmiştir ve yüksek kaliteye ve güvenilirliğe sahiptir. Öte yandan, toplu değerlendirme çalışmalarında, makine öğrenmesi yöntemlerinin uygulanabilirliği, elde edilen sonuçların klasik yöntemlere göre hassasiyetleri, güvenilirliği, yorumlanabilirliği ve açıklanabilirliği tartışılmıştır. Elde edilen sonuçlar incelendiğinde, makina öğrenmesi tabanlı gayrimenkul değerleme yöntemlerinin, birçok gayrimenkulü aynı anda ve çok daha hızlı bir şekilde değerleyebileceği, bu sayede de geleneksel değerleme yöntemlerine göre tercih edilebileceği anlaşılmıştır. Değerleme çalışmaları kapsamında karşılaştırılan yöntemlerden, Rastgele Orman en yüksek tahmin hassasiyetini elde etmiş olup, diğer yöntemler sırasıyla yapay sinir ağları, destek vektör makinaları, çoklu regresyon analizi ve uyarlanabilir sinirsel (nöron) bulanık çıkarım sistemi olarak yüksek doğruluk sağlamıştır. Karşılaştırmalı çalışmanın bir başka sonucu ise, doğrusal olmayan makine öğrenmesi yöntemlerinin yorumlanabilirlik ve şeffaflık açısından kullanılabilirliğinin tartışılması gerektiğidir. Bu şekilde değerleme çalışmasının amacına göre kullanılabilecek yöntemler tez kapsamında detaylı olarak incelenmiş ve yeni çalışmalara katkı sağlamak amacı ile paylaşılmıştır. Ayrıca toplu değerleme çalışmaları alanında sunulan yöntemlerin gayrimenkul değerleme alanında henüz kurumsallaşmamış olan Türkiye'ye olası katkıları ile örnek bir gayrimenkul değerleme sistemi önerisi geliştirilmiştir.
Özet (Çeviri)
In this thesis, the use of machine learning (ML) approaches for the purpose of real estate mass appraisal was investigated using five different methods in a large area considering the efficiency, accuracy, and transparency. The study area was located in the Mamak District of Ankara, the capital city of Turkey. The data used in the thesis were inspected and analysed thoroughly, and thus exhibit high quality and reliability. The applicability of the ML methods in the context of mass appraisal is discussed in terms of the accuracy, reliability, interpretability, and the generalization capability. The results were also compared with the conventional appraisal methods. The results obtained here have shown that the ML-based methods can appraise many real estates together at once and rapidly; and thus, they can be preferred over the conventional valuation methods. Among the methods compared here, the Random Forest (RF) provided the highest prediction performance followed by the Artificial Neural Networks (ANN), Support Vector Machines (SVM), Multiple Regression Analysis (MRA), and Adaptive Neuro-Fuzzy Inference System (ANFIS). The stepwise MRA method, which is a transparent and interpretable linear ML method, was preferred as the conventional approach. Another important outcome was that although the models built with the non-linear ML methods yielded high accuracies, their interpretability was lower and thus usability for the valuation purposes may be questionable. In this thesis, the employed methods are explained and investigated in more detail with the aim of contributing to the mass appraisal context. In addition, recommendations on the real estate valuation system were derived based on the study outcomes together with possible contributions of the methods presented in the field of mass valuation studies to Turkey, which has not yet been institutionalized in the field of real estate valuation.
Benzer Tezler
- Shipyard productivity evaluation with key performance indicators
Tersane üretim verimliliğinin temel performans göstergeleri ile değerlendirilmesi
ÜMRAN BİLEN
Doktora
İngilizce
2022
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞEBNEM HELVACIOĞLU
- Eğitimsel veri madenciliği ve bir uygulaması
Educational data mining and an application
YASEMİN YAKUPOĞLU
Yüksek Lisans
Türkçe
2018
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAŞAR ÖZTAYŞİ
- Assessment of wrist rigidity in patients with Parkinson's disease: A new approach based on frequency analysis
Parkinson hastalarında bilek sertliğinin değerlendirilmesi: Frekans analizi üzerine yeni bir yaklaşım
GÜNAY ZÜNGÖR
Yüksek Lisans
İngilizce
2020
Makine MühendisliğiBoğaziçi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. EVREN SAMUR
PROF. DR. ÇETİN YILMAZ
- Prediction of maximum muscular endurance time involving four stabilization exercises assessments using machine learning methods
Makine öğrenme yöntemlerini kullanarak dört stabilizasyon egzersizlerini içeren maksimum dayanıklılık süresinin tahminlenmesi
FATİH MEHMET TAŞ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY
- A machine learning model for labor efficiency prediction in construction projects
İnşaat projelerinde iş gücü verimi tahmini için bir makine öğrenme modeli
AHMET ESAT KESER
Yüksek Lisans
İngilizce
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR BEHZAT TOKDEMİR