Zastosowanie metody wektorów nośnych do szacowania rynkowej wartości mieszkań

• Autorzy: Michał Trzęsiok
• Języki publikacji: PL

Abstrakty

Prosta analiza cen nieruchomości pozwala na sformułowanie wniosku, że występują duże różnice między cenami ofertowymi a transakcyjnymi, co może wskazywać na niedostosowanie narzędzi wyceny do złożoności analizowanego zjawiska. Konieczne jest zatem poszukiwanie lepszych metod. Zbiory danych, którymi dysponują agencje nieruchomości, obejmują bardzo wiele obserwacji. Warto więc rozważyć możliwości płynące z zastosowania nowoczesnych, statystycznych metod uczących się (machinę learning, data mining). W pracy przedstawiono próbę wykorzystania jednej z takich metod - metody wektorów nośnych - do szacowania wartości rynkowej mieszkań zlokalizowanych w Warszawie. Badanie zachowania się cen nieruchomości jest związane z wieloma problemami natury metodologicznej, które nakładają liczne wymagania na wykorzystywane narzędzia analizy. Stosowane metody muszą więc wykazywać się dużą elastycznością. Do najważniejszych wymagań, którym muszą sprostać narzędzia analizy, należą: asymetria rozkładów badanych zmiennych, występowanie zmiennych objaśniających mierzonych na różnych skalach - zarówno słabych, jak i mocnych, występowanie wartości oddalonych czy ogólnie - błędy pomiaru w danych. Wykorzystana metoda wektorów nośnych jako metoda nieparametryczna nie nakłada na analizowany zbiór danych żadnych restrykcyjnych założeń. Może więc być zastosowana do analizy takich zjawisk. Podstawową wadą metody wektorów nośnych jest ograniczona interpretowalność zbudowanego modelu. (fragment tekstu)

Słowa kluczowe

PL

Analiza statystyczna; Data Mining; Metoda wektorów nośnych (SVM); Nieruchomości

EN

Statistical analysis; Data Mining; Support Vector Machines (SVM); Real estate

• Czasopismo: Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2013
• Tom: Metody i modele analiz ilościowych w ekonomii i zarządzaniu. Cz. 5
• Strony: 81--95

Twórcy

autor

Michał Trzęsiok

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Cristianini N., Shawe-Taylor J. (2000), An Introduction To Support Vector Machines (and other kemel-based learning methods), Cambridge University Press
• Gatnar E. (2008), Podejście wielomodelowe w zagadnieniach dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa
• Guyon I., Gunn S,, Nikravesh M., Zadeh L. (eds.) (2006), Feature Extraction, Foundations and Applications, Springer
• Hastie T., Tibshirani R., Friedman J. (2001), The Elements of Statistical Learning, Springer Verlag, NY
• Kuhn H.W., Tucker A.W. (1951), Nonlinear Programming, w: „Proceedings of the 2nd Berkeley Symposium on Mathematical Statistics and Probabilistics”, University of California Press, Berkeley, s. 481-492
• Trzęsiok M. (2004), Zastosowanie metody SVM w klasyfikacji danych, w: Taksonomia 11. Klasyfikacja i analiza danych - teoria i zastosowania, red. K. Jajuga, M. Walesiak, Prace Naukowe AE we Wrocławiu nr 1022, Wrocław, s. 116-124
• Trzęsiok M. (2005), Zarys teoretycznych podstaw metody dyskryminacji wykorzystującej wektory nośne, w: „Studia Ekonomiczne” nr 36, red. J. Mika, Wydawnictwo AE w Katowicach, Katowice, s. 183-191
• Trzęsiok M. (2005b), Metoda wektorów nośnych w konstrukcji nieparametrycznych modeli regresji, w: Taksonomia 12. Klasyfikacja i analiza danych - teoria i zastosowania, red. K. Jajuga, M. Walesiak, Prace Naukowe AE we Wrocławiu nr 1076, Wrocław, s. 501-510
• Trzęsiok M. (2009), Problem doboru zmiennych do modelu dyskryminacyjnego budowanego metodą wektorów nośnych, w: Taksonomia 16, Klasyfikacja i analiza danych - teoria i zastosowania, red. K. Jajuga, M. Walesiak, Wydawnictwo UE we Wrocławiu nr 47, Wrocław, s. 214-222
• Walesiak M., Gatnar E. (red.) (2009), Statystyczna analiza danych z wykorzystaniem programu , Wydawnictwo Naukowe PWN, Warszawa
• Vapnik V. (1998), Statistical learning theory, John Wiley & Sons, New York