Сравнение автоматизированных моделей оценки недвижимости в Столичном регионе Сантьяго: исследование алгоритмов машинного обучения и гедонического ценообразования с пространственными корректировками
Comparing automated valuation models for real estate assessment in the Santiago Metropolitan Region: A study on machine learning algorithms and hedonic pricing with spatial adjustments
2025-03-25
SCID: 54.1/a6kduajm
Discuss with AI
LightGBMSHAPавтоматизированные модели оценкисверточные нейронные сетипространственная авторегрессионная модель
Figures from the paper
Abstract (AI)
В исследовании сравниваются точность и интерпретируемость двух автоматизированных моделей оценки для анализа рынка недвижимости в Столичном регионе Сантьяго, Чили: алгоритмов машинного обучения, в частности LightGBM, и гедонического ценообразования с пространственными корректировками на основе пространственной авторегрессионной модели (SAR). Наряду с традиционными характеристиками жилой недвижимости, такими как оснащенность жилья и близость к объектам инфраструктуры, учитывалась визуальная информация, извлеченная из изображений с помощью сверточных нейронных сетей (CNN). Оценивается влияние каждой характеристики модели на показатели качества и определяется относительная значимость признаков с использованием алгоритма SHapley Additive exPlanations (SHAP). Результаты демонстрируют положительное влияние переменных, основанных на изображениях, на показатели качества и показывают, что включение визуальной информации может существенно сократить погрешность при оценке стоимости жилья. Кроме того, алгоритм SHAP выявляет сложные нелинейные взаимосвязи между ценой и ключевыми переменными, такими как общая площадь и характеристики района, что подчеркивает важность применения методов, способных учитывать эти эффекты. Аналогичным образом, обе модели — LightGBM и SAR — показывают, что наибольшее влияние на стоимость объектов недвижимости оказывают общая площадь, индекс качества муниципалитета, средний уровень образования в расположенных поблизости школах и количество ванных комнат.
Key Findings
1
Обе модели — LightGBM и SAR — определяют общую площадь, качество муниципалитета, средний академический уровень близлежащих школ и количество ванных комнат как наиболее значимые факторы стоимости.
2
Объединение традиционных характеристик жилья с визуальной информацией, извлечённой с помощью CNN, существенно снижает ошибки оценки цен на жильё.
3
Анализ SHAP выявляет сложные нелинейные взаимодействия между ценами, общей площадью и характеристиками района.
4
Результаты подтверждают преимущества методов оценки, учитывающих визуальные данные, пространственные зависимости и нелинейные эффекты.
5
Исследование сравнивает модели машинного обучения LightGBM с пространственно скорректированными гедоническими моделями ценообразования (SAR) для оценки недвижимости в Сантьяго, Чили.
Research Object
Жилая недвижимость и рынок недвижимости в Столичном регионе Сантьяго, Чили
Research Subject
Точность, интерпретируемость, значимость переменных и нелинейные эффекты автоматизированных моделей оценки недвижимости, использующих традиционные, пространственные и основанные на изображениях признаки
Publication Details
Publication Date
2025-03-25
Journal
Publisher
ISSN
Cited by
15
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest