Prognozowanie preferencji wyrażonych z wykorzystaniem metody k-NN

• Autorzy: Tomasz Bartłomowicz

Warianty tytułu

Forecasting of Stated Preferences Using k-NN Method

• Języki publikacji: PL

Abstrakty

Klasyczne zastosowanie metody k-najbliższych sąsiadów (k-Nearest Neighbours, k-NN) ma miejsce w klasyfikacji, tj. w przydzielaniu obserwacji do klas na bazie atrybutów tych obserwacji. Ponadto, z racji przynależności metody do grupy tzw. metod uczących się, zastosowanie metody obejmuje także prognozowanie. W artykule zaprezentowano prognozowanie preferencji wyrażonych konsumentów jednego z najszybciej rozwijających się obecnie rynków - rynku nieruchomości. Metodologiczną podstawę prognozowania stanowi metoda k-NN, przykładami zaś potwierdzającymi możliwość prognozowania wybranych aspektów tego rynku są m.in. prognozy atrakcyjności oraz aktualności ofert sprzedaży nieruchomości. (abstrakt oryginalny)

EN

In classical implementation k-Nearest Neighbours algorithm (k-NN) is a method for classifying objects based on closest training examples in the feature space. K-NN is a type of instance-based learning, where the function is only approximated locally and all computation is deferred until classification. It can also be used for forecasting. The paper presents implementation of k-NN method by way of forecasting for real estate market. Among examples of k-NN forecasting, in author's opinion, there can be prognosis of relevance and timeliness of the real estate offers. (original abstract)

Słowa kluczowe

PL

Metoda najmniejszych kwadratów; Prognozowanie; Preferencje konsumenta; Rynek nieruchomości

EN

Least squares method; Forecasting; Consumer preferences; Real estate market

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Ekonometria
• Rocznik: 2010
• Tom: 29
• Numer: nr 141 Zastosowania metod ilościowych
• Strony: 39--49

Twórcy

autor

Tomasz Bartłomowicz

• Uniwersytet Ekonomiczny we Wrocławiu

Bibliografia

• Bartłomowicz T., Zastosowanie metody conjoint analysis do pomiaru preferencji potencjalnych nabywców nieruchomości, [w:] K. Jajuga, M. Walesiak (red.), Taksonomia 9. Klasyfikacja i analiza danych - teoria i zastosowania, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 942, Wydawnictwo AE, Wrocław 2002.
• Bąk A., Dekompozycyjne metody pomiaru preferencji w badaniach marketingowych, Wydawnictwo AE, Wrocław 2004.
• Classification: k Nearest Neighbours, http://www.cs.ucc.ie/~dgb/courses/tai/notes/handout4.pdf.
• Fix E., Hodges J.L., Discriminatory analysis - nonparametric discrimination: consistency properties, USAF School of Aviation Medicine, Randolph Field 1951.
• Gatnar E., Walesiak M. (red.), Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, Wydawnictwo AE, Wrocław 2004.
• Internetowy słownik języka polskiego, PWN, Warszawa, http://sjp.pwn.pl.
• Kałkowski L. (red.), Rynek nieruchomości w Polsce, Twigger, Warszawa 2001.
• Kucharska-Stasiak E. (red.), Rynek nieruchomości. Wybrane problemy, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 1999.
• k-Nearest Neighbor algorithm, http://en.wikipedia.org/wiki/K-nearest_neighbor_algorithm.
• Pawlukowicz R., Bartłomowicz T., Conjoint analysis jako sposób wyznaczania wag cech rynkowych w wycenie rynkowej nieruchomości za pomocą podejścia porównawczego, [w:] J. Dziechciarz (red.), Ekonometria 15, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 1096, Wydawnictwo AE, Wrocław 2005.
• Tadeusiewicz R., Lasiński M., Rozpoznawanie obrazów, PWN, Warszawa 1991.