Интерпретируемое машинное обучение, не зависящее от модели, для оценки стоимости жилой недвижимости
Model agnostic interpretable machine learning for residential property valuation
2023-12-18
SCID: 54.1/bjf5ghjk
Discuss with AI
случайный лесвлияние и взаимодействия признаковмодельно-агностическая интерпретируемостьпрогнозирование цен на недвижимостьоценка стоимости жилой недвижимости
Figures from the paper
Abstract (AI)
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.
Key Findings
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.
Research Object
модель случайного леса для прогнозирования цен на жилую недвижимость
Research Subject
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
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai9
XGBoost2016
Greedy function approximation: A gradient boosting machine.2001
Почему я должен вам доверять?2016
Обзор методов объяснения решений моделей типа «чёрный ящик»2018
Точность прогнозирования при массовой оценке: сравнение современных подходов2013
Интерпретируемое машинное обучение для анализа рынка недвижимости2022
Сколько стоит вид из окна? Гедоническая модель ценообразования на рынке недвижимости на основе машинного обучения2022
Прогнозирование цен на жилье с использованием гедонической модели ценообразования и методов машинного обучения2022
Машинное обучение, архитектурные стили и стоимость недвижимости2021