Прогнозування цін на житло за допомогою технологій машинного навчання

Досліджено моделі машинного навчання: Лінійна Регресія, Support Vector Regression, SGD Regression, Random Forest. Моделі було реалізовано за допомогою відкритих бібліотек та Python. Моделі порівняно за метриками: середньоквадратична похибка, абсолютна похибка, медіана абсолютної похибки, коефіцієнт детермінації. В результаті аналізу можна зробити висновок, що алгоритм Random Forest є найбільш ефективним при прогнозуванні цін на житло.
Результати досліджень показали, що можливо доволі точно спрогнозувати дані з великою кількістю ознак. Але, в подальшому дослідженні варто більше звернути увагу на параметри та їх покращення. Особливо в моделях з поганими або середніми показниками.

Баранюк К. І. Прогнозування цін на житло за допомогою технологій машинного навчання : кваліфікаційна робота бакалавра : 172 Телекомунікації та радіотехніка / Баранюк Катерина Іванівна. - Київ, 2022. - 40 с.