Интерпретируемое машинное обучение, не зависящее от модели, для оценки стоимости жилой недвижимости

Model agnostic interpretable machine learning for residential property valuation
Tuğba Güneş
2023-12-18

случайный лесвлияние и взаимодействия признаковмодельно-агностическая интерпретируемостьпрогнозирование цен на недвижимостьоценка стоимости жилой недвижимости
Алгоритмы машинного обучения (МО) обычно превосходят традиционные гедонические модели при оценке стоимости недвижимости; однако внутреннюю работу этих сложных моделей трудно исследовать из-за их природы «чёрного ящика». Для повышения прозрачности моделей МО в данном исследовании применяются не зависящие от модели методы интерпретируемости на глобальном и локальном уровнях к модели случайного леса, которая обеспечила более высокую точность прогнозирования, чем методы опорных векторов и алгоритмы экстремального градиентного бустинга, при прогнозировании цен на жилую недвижимость. Результаты исследования показывают, что интерпретируемые методы МО способны повысить прозрачность непрозрачных моделей МО и визуализировать влияние признаков и их взаимодействия в моделях оценки стоимости недвижимости.
1
Модель Random Forest прогнозировала цены на жилую недвижимость точнее, чем методы опорных векторов и eXtreme Gradient Boosting.
2
Для объяснения модели оценки недвижимости Random Forest применялись модельно-независимые методы интерпретируемости на глобальном и локальном уровнях.
3
Методы интерпретируемости визуализируют влияние признаков и их взаимодействия, повышая прозрачность изначально непрозрачных моделей машинного обучения для оценки недвижимости.

модель случайного леса для прогнозирования цен на жилую недвижимость

Глобальная и локальная интерпретируемость эффектов и взаимодействий признаков в оценке жилой недвижимости, не зависящая от модели

Publication Details
Publication Date
2023-12-18
Journal
Publisher
ISSN
Cited by
14
Access Type
Author Information
Authors
Tuğba Güneş
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%