Оценка эффективности метода случайного леса и множественной регрессии при прогнозировании цен на квартиры

Цель данного исследования — проанализировать прогнозную эффективность метода машинного обучения «случайный лес» в сравнении с обычно используемыми гедоническими моделями на основе множественной регрессии для прогнозирования цен на квартиры. Для тестирования и сравнения прогнозной эффективности обеих моделей использован набор данных, содержащий 7407 записей о сделках с квартирами на рынке недвижимости в Любляне, столице Словении, за период 2008–2013 гг. Очевидные проблемы, возникшие при моделировании, включали (1) нелинейный характер задачи прогнозирования; (2) входные данные, охватывающие период значительных ценовых изменений в Любляне, при котором за шесть последовательных лет было зафиксировано снижение на 28%; и (3) сложную градостроительную структуру исследуемой территории. В процедурe моделирования были учтены доступные объясняющие переменные, организованные в виде готового для ГИС (географических информационных систем) набора данных, включая структурные характеристики и возраст квартир, а также экологическую и соседскую информацию. Все показатели качества прогнозов (R2, коэффициенты продаж, средняя абсолютная процентная ошибка (MAPE), коэффициент рассеяния (COD)) показали значительно лучшие результаты для прогнозов, полученных методом случайного леса, что подтверждает перспективность этого метода машинного обучения для прогнозирования цен на квартиры.