ΤΕΧΝΙΚΕΣ ΜΗΧΑΝΙΚΗΣ ΜΑΘΗΣΗΣ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΠΡΟΒΛΕΨΗΣ ΤΙΜΩΝ ΑΚΙΝΗΤΩΝ

Abstract

Η αγορά των ακινήτων στην σημερινή εποχή, χαρακτηρίζεται από ιδιαίτερη οικονομική αστάθεια και επηρεάζεται από πλήθος, επίσης ασταθών και ποικίλης φύσεως, παραγόντων. Ως σημαντική πτυχή του ανθρώπινου πολιτισμού, είναι άρρηκτα συνδεδεμένη με την οικονομία της κάθε περιοχής και αποτελεί δείκτη οικονομικής ευμάρειας και ευημερίας, καθώς επίσης και καθοριστικό παράγοντα του επιπέδου διαβίωσης μιας κοινωνίας. Η κατανόηση της συμπεριφοράς και των τάσεων της αγοράς των ακινήτων μπορεί να παρέχει προτάσεις όχι μόνο για τους ενδιαφερόμενους αγοραστές, αλλά και για τους ερευνητές της αγοράς και τους αρμόδιους για την λήψη των αποφάσεων όσον αφορά την αγορά των ακινήτων, τον σχεδιασμό της πόλης και την αστική ανάπτυξη. Οι παράγοντες που επηρεάζουν τις τιμές της γης και των ακινήτων είναι πολυάριθμοι και εξαρτώνται από πλήθος μεταβλητών, σχετίζονται έμμεσα ή άμεσα μεταξύ τους και αλληλεπιδρούν συνέχεια. Γίνεται, έτσι, κατανοητό ότι η μοντελοποίησή τους συνιστά μία αρκετά σύνθετη διαδικασία, η οποία απαιτεί την λεπτομερή μελέτη τους. Μεγάλες εταιρείες και οργανισμοί έχουν κάνει βήματα προς την ανάπτυξη και εδραίωση εφαρμογών, οι οποίες προβλέπουν τις τιμές των κατοικιών, βρίσκονται ωστόσο σε πρώιμα στάδια. Στο πλαίσιο της παρούσας διπλωματικής εργασίας, μελετάται η πρόβλεψη των τιμών των ακινήτων. Παρόλο που πολλές μελέτες έχουν διεξαχθεί με σκοπό την ανάλυση του συγκεκριμένου ζητήματος, η εφαρμογή των συμπερασμάτων τους στην πράξη έχει γίνει σε ελάχιστες περιπτώσεις. Ιδιαίτερα στην χώρα μας, παρά τον ρόλο που κατέχει η αγορά των ακινήτων στην οικονομία μας, δεν υπάρχουν, τουλάχιστον δημοσιευμένες, έρευνες ή εφαρμογές που να απαντούν σε αυτό το πρόβλημα. Στην εργασία αυτή, επιχειρούμε να δώσουμε μία λύση στο ζήτημα που παρουσιάστηκε, επικεντρώνοντας το ενδιαφέρον της μελέτης στην περιοχή της Αττικής, λαμβάνοντας υπόψιν σημαντικούς παράγοντες από τους οποίους καθορίζονται οι τιμές των ακινήτων και χρησιμοποιώντας μεθόδους και τεχνικές της μηχανικής μάθησης. Αναλύονται, στη συνέχεια, τα αποτελέσματα που λάβαμε από τις μεθόδους που εφαρμόσαμε και αξιολογούνται η ακρίβεια και η καταλληλότητά τους για το παρόν πρόβλημα. Πιο συγκεκριμένα, γίνεται ιστορική αναδρομή και περιγράφεται το πλαίσιο της μελέτης μας, ενώ κατόπιν παρουσιάζεται αναλυτικά το πρόβλημα με το οποίο καταπιάνεται η εργασία. Συνεχίζουμε με την παρουσίαση του συνόλου δεδομένων που χρησιμοποιήθηκε και του τρόπου συλλογής του. Ακολουθεί η λεπτομερής ανάλυση και διερευνητική προεπεξεργασία του, προκειμένου να είναι δυνατή η πλήρης κατανόησή του και η βέλτιστη αξιοποίησή του. Στη συνέχεια, υλοποιούνται έξι διαφορετικά μοντέλα μηχανικής μάθησης, τα οποία εκπαιδεύονται με βάση τα δεδομένα. Η πλειοψηφία των μοντέλων αυτών στηρίζεται σε τεχνικές και αλγορίθμους παλινδρόμησης, όπως είναι η πολλαπλή γραμμική παλινδρόμηση, η οποία αποτελεί τη βάση για την ανάπτυξη πιο σύνθετων και αποδοτικών τεχνικών παλινδρόμησης, όπως είναι η παλινδρόμηση Ridge, η Lasso και η παλινδρόμηση με χρήση της τεχνικής Gradient Boosting. Επίσης, υλοποιήθηκαν μοντέλα που βασίζονται στα δέντρα απόφασης, όπως είναι τα Τυχαία Δάση. Ακολούθως, παρουσιάζονται και αξιολογούνται τα αποτελέσματα της εφαρμογής τους στα δεδομένα εκπαίδευσης και τα δεδομένα ελέγχου. Τέλος, παρουσιάζονται κάποιες συγκρίσεις των αποτελεσμάτων μας με αποτελέσματα αντίστοιχων ερευνών, εντοπίζονται τα σημεία που επιδέχονται βελτίωση στην μεθοδολογία που ακολουθήθηκε και προτείνονται με βάση αυτά κάποιες μελλοντικές προοπτικές έρευνας για τις επόμενες μελέτες.