Нейронная сеть — метод опорных векторов для массовой оценки недвижимости

Цель: В статье предложена гибридная система на основе нейронных сетей и метода опорных векторов (NNSVM), состоящая из искусственных нейронных сетей (ANN) и метода опорных векторов (SVM), для оценки стоимости индивидуальных жилых объектов. Методология/подход: Механизм работы гибридной системы заключается в том, что ее выходные данные формируются методом опорных векторов, использующим результаты искусственных нейронных сетей в качестве входных данных. Результаты сопоставлены с результатами других методов моделирования стоимости недвижимости, включая автономные искусственные нейронные сети и методы опорных векторов, географически взвешенную регрессию (GWR), пространственную модель ошибки (SEM), пространственную лаговую модель (SLM) и метод наименьших квадратов (OLS). Методы применены к набору данных о 3 225 объектах недвижимости, проданных в период с января 2012 года по май 2014 года в Кейптауне, Южная Африка. Результаты: Гибридная система продемонстрировала лучшие результаты по сравнению с искусственными нейронными сетями, методом опорных векторов и методом наименьших квадратов. Однако по сравнению с пространственными моделями (GWR, SEM и SLM) гибридная система показала крайне низкую эффективность; лучшим методом оценки стоимости была признана пространственная модель ошибки (SEM). Научная новизна/ценность: Полученные результаты развивают научную дискуссию, показывая, что результаты метода наименьших квадратов могут быть существенно улучшены с помощью пространственных моделей, корректирующих смещенные оценки и позволяющих учитывать различия цен в разных местоположениях объектов недвижимости. Кроме того, использование гибридной системы ограничено из-за непрозрачности искусственных нейронных сетей и метода опорных векторов, поэтому ее применение сводится к проверке оценок, полученных регрессионными моделями.