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
Jocelyn Tapia, Nicolas Chavez-Garzon, Raúl Pezoa, Paulina Suarez-Aldunate, Mauricio Pilleux
2025-03-25

LightGBMSHAPавтоматизированные модели оценкисверточные нейронные сетипространственная авторегрессионная модель
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.
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.

Жилая недвижимость и рынок недвижимости в Столичном регионе Сантьяго, Чили

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
Access Type
Author Information
Authors
Jocelyn Tapia
Nicolas Chavez-Garzon
Raúl Pezoa
Paulina Suarez-Aldunate
Mauricio Pilleux
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%