Использование машинного обучения в исследованиях рынка недвижимости

В настоящем исследовании показано, каким образом машинное обучение, являющееся одной из областей искусственного интеллекта, может обеспечивать более точное прогнозирование цен на примере рынка недвижимости. На основе 24 936 записей о сделках с жильём в работе применяются методы Extra Trees (ET), k-ближайших соседей (KNN) и случайного леса (RF) для прогнозирования цен на объекты недвижимости, после чего их результаты сравниваются с результатами гедонической модели цен. В частности, вместо возраста объекта недвижимости используется признак (возраст объекта × площадь), что позволяет выделить влияние обесценения земельного участка на цены недвижимости. Результаты показывают, что эти три алгоритма значительно превосходят традиционные статистические методы по объясняющей способности и минимизации ошибок. Ожидается, что машинное обучение будет играть всё более важную роль в формировании нашего будущего. Вместе с тем оно может вызывать вопросы, связанные с конфиденциальностью, справедливостью и вытеснением работников. Поэтому важно уделять пристальное внимание этическим аспектам машинного обучения и обеспечивать ответственное и этичное использование этой технологии. Исследователи, законодатели и представители отрасли должны совместно разрабатывать соответствующие стандарты и законодательство, регулирующие применение машинного обучения.