| پیش‌بینی دقیق قیمت مسکن با استفاده از مدل‌های یادگیری ماشین برای پیشنهادات هوشمند به مشتریان |
| کد مقاله : 1102-NAEC |
| نویسندگان |
|
سپیده صبوری * شرکت نوران ارتباطات نوین |
| چکیده مقاله |
| پیش‌بینی دقیق قیمت مسکن در بازارهای نوسانی یکی از چالش‌های مهم در اقتصادهای در حال تغییر است. این پیش‌بینی می‌تواند به مشتریان، شرکت‌ها و دولت‌ها در اتخاذ تصمیمات بهینه برای خرید و فروش مسکن کمک کند و همچنین به سیاست‌گذاران برای تنظیم سیاست‌های مناسب یاری رساند. در این تحقیق، از مدل‌های یادگیری ماشین از جمله SVM (Support Vector Machine)، Random Forest ، XGBoost برای پیش‌بینی قیمت مسکن استفاده شده است. پس از آماده‌سازی داده‌ها و انجام پیش‌پردازش مناسب، نتایج ارزیابی نشان داد که مدل Random Forest با R² = 0.8081 و MSE = 0.0000 بهترین عملکرد را در پیش‌بینی قیمت مسکن ارائه داده است. در مقایسه، مدل SVM نتایج ضعیف‌تری را نشان داد که نشان‌دهنده پیچیدگی کمتر در شبیه‌سازی روابط پیچیده میان ویژگی‌ها است. این تحقیق نشان می‌دهد که استفاده از مدل‌های یادگیری ماشین می‌تواند دقت پیش‌بینی‌ها را به طرز چشمگیری افزایش دهد و به تصمیم‌گیری دقیق‌تر در بازار مسکن کمک کند. علاوه بر این، این مدل‌ها قادر به تحلیل ویژگی‌های تاثیرگذار بر قیمت مسکن مانند مساحت، تعداد اتاق‌ها، موقعیت مکانی و امکانات دیگر هستند. این نتایج می‌توانند در طراحی سیستم‌های مشاوره‌ای و بهینه‌سازی تصمیمات سرمایه‌گذاری در بازار مسکن استفاده شوند. |
| کلیدواژه ها |
| پیش‌بینی قیمت مسکن، مدل‌های یادگیری ماشین، Random Forest، SVM (Support Vector Machine)، XGBoost |
| وضعیت: پذیرفته شده |
