Geri Dön

Predicting house prices in Ankara using machine learning

Makine öğrenimi kullanarak Ankara'da ev fiyatlarini tahmin etme

  1. Tez No: 776541
  2. Yazar: CİHAN ERSOY
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SERDAR ARSLAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgi ve Belge Yönetimi, Information and Records Management
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Çankaya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgi Teknolojileri Bilim Dalı
  13. Sayfa Sayısı: 44

Özet

Geleneksel gayrimenkul değerleme süreci, bir değerleme uzmanının gayrimenkulü görmesi ve evin sahip olduğu değerlere göre içerisinde ev fiyatının da bulunduğu bir rapor oluşturması üzerine kuruludur. Ancak, bu yöntem zaman alıcı ve yüksek maliyetli olarak nitelendirilebilir. Makine öğrenmesi, bu süreci hızlandırmaya ve maliyetleri azaltmaya yardımcı olabilecek bir araçtır. Bu nedenle, bu tezde amacımız, makine öğrenimi tahminlerinin ev fiyatı değerlemesi sürecinde gerçekçi ve yeterli olup olmadığını araştırmaktır. Bu amaçla, çalışmada biri gayrimenkul web sitesinden toplanmış, diğeri ise değerleme raporlarından oluşturulmuş iki veri seti çeşitli makine öğrenimi yöntemleri kullanılarak karşılaştırılmaktadır. İnşa edilen tüm modellerin hiper parametreleri dikkatli bir şekilde seçilmiş, modellerin başarısı ise kök ortalama kare hatası ve netlik skoru kullanılarak değerlendirilmiştir. Bulgular, yaklaşımın varolan değerleme sürecini iyileştirme potansiyeline sahip olduğunu, ancak uygulanabilirliğini göstermek için daha öteye araştırma gerektiğini öneriyor.

Özet (Çeviri)

The focus of this thesis is to investigate whether machine learning predictions are accurate and viable enough to replace traditional real estate appraisal reports. To do this, we compare two datasets, one scraped from a real estate website and the other created from appraisal reports, and use various machine learning and neural network methods to find the best performing one and to determine the practicality of the study. Bagging and boosting ensemble methods are compared with the implementation of Extreme Gradient Boosting and Random Forest Models. Also, an Artificial Neural Network with five layers and Relu activation function is built as well as ensemble learning models. Hyperparameters of all models built throughout the study are chosen diligently for a comprehensive comparison. We evaluate the success of the models using root mean square error and accuracy score. Findings suggest that this approach has potential for improving the real estate valuation process, but further research is needed to determine its viability in the real world.

Benzer Tezler

  1. Türkiye'de konut yatırımları, konut yatırımlarının ekonomikliği ve yatırım tercihlerini etkileyen faktörlerin analizi

    Housing investments, the economic of housing investments and analysis of factors affecting investment preferences in Turkey

    ÜSTÜN HATİPOĞLU

    Doktora

    Türkçe

    Türkçe

    2024

    EkonomiAnkara Üniversitesi

    Gayrimenkul Geliştirme ve Yönetimi Ana Bilim Dalı

    PROF. DR. HARUN TANRIVERMİŞ

  2. Konut binalarında imalat girdileri, imalat ve imalat grupları bazında maliyet ve miktar analizleri

    Cost and quantity analysis on the basis of manufacturing, manufacturing groups and manufacturing inputs in residential buildings

    NİLAY ELÇİ

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    DOÇ. DR. AHMET MURAT ÇIRACI

  3. Yapay zeka yaklaşımı ile Ankara'daki iki farklı lokasyonda gayrimenkul değerleme üzerine uygulamalar

    Applications on real estate appraisal in two different locations in Ankara with the artificial intelligence approach

    SERKAN NARİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Mühendislik BilimleriKırıkkale Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ORHAN DOĞAN

  4. Hastanelerde çalışan hemşirelerin ' öznel yaşam kalitelerinin' değerlendirilmesi (Kırıkkale Devlet ve SSK Hastanesi örneği)

    Assessment of 'subjective quality of life' of nurses who work in hospitals (sample of Kırıkkale Government and SSI Hospital)

    NERİMAN ŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2001

    Sağlık Kurumları YönetimiAnkara Üniversitesi

    Sağlık Kurumları Yönetimi Ana Bilim Dalı

    YRD. DOÇ. DR. ÖMER RIFKI ÖNDER