Применение интеллектуальных гибридных методов для массовой оценки жилой недвижимости

Рассматриваются гибридные системы как новое поколение интеллектуальных приложений в области массовой оценки и определения стоимости недвижимости. Исследование обусловлено очевидными ограничениями парадигм, используемых изолированно или в качестве самостоятельных методов, таких как множественный регрессионный анализ, искусственные нейронные сети и экспертные системы. Интеграция двух или более систем обработки информации имеет очевидные преимущества, поскольку позволяет устранить некоторые ограничения отдельных методов. Во-первых, рассматривается стратегическое развитие подходов к массовой оценке, традиционно основанных на самостоятельных методах; во-вторых, анализируется возможность применения интеллектуальной гибридной системы. Возможные решения выявляются посредством исследования различных гибридных систем, которые могут разрабатываться с использованием алгоритма ближайших соседей (k-NN). Предлагаемые усовершенствования направлены на устранение двух основных недостатков традиционных метрик расстояния: зависимости весов атрибутов от пользователя и смещения метрики расстояния в сторону сопоставления категориальных переменных при поиске соседей. Решения включают статистические методы, основанные на среднем значении, коэффициенте вариации и значимом среднем. Для выявления весов атрибутов применяются парадигмы интеллектуального анализа данных, основанные на слабосвязанной нейронной сети или, альтернативно, на тесной интеграции с генетическими алгоритмами. Разработанные гибридные архитектуры применяются к набору данных об объектах недвижимости, а их эффективность оценивается по прогностической ценности и интерпретируемости. В заключение рассматриваются применение и значимость этих методов в области компьютеризированной массовой оценки недвижимости.