چکیده مقاله
این پژوهش به بررسی تاثیر متغیرهای مختلف بر قیمت مسکن در شهر تهران و ارائه یک مدل پیش بینی دقیق با استفاده از روشهای یادگیری ماشین میپردازد در این مطالعه از یک مدل رگرسیون خطی به همراه الگوریتم گرادیان نزولی و تکنیکهای بهینه سازی پیشرفته برای پیش بینی قیمت مسکن استفاده شده است با انجام پیش پردازش دادهها و مقایسه عملکرد مدل با روشهای استاندارد، دقت قابل قبولی در پیش بینی قیمتها حاصل شد نتایج نشان داد که متغیرهای کیفی ساختمان مانند عرض راه دسترسی ۴ تا ۱۰ متر و زیربنای واحد مسکونی تاثیر مثبت و معناداری بر قیمت مسکن دارند همچنین قیمت زمین به عنوان یک عامل کلیدی در تعیین قیمت نهایی واحدهای مسکونی شناسایی شد این مطالعه میتواند به عنوان مبنایی برای توسعه مدلهای هوشمندتر در پیش بینی بازار مسکن مورد استفاده قرار گیرد
کلیدواژهها
نویسندگان
زیبا نصیری
دانشجوی کارشناسی ارشد رشته هوش مصنوعی و رباتیک، دانشگاه ایوان کی سمنان، ایران
حسین اقبالی
استادیار گروه مهندسی صنایع، دانشگاه ایوان کی سمنان، ایران
محمد علی اقبالی
استادیار گروه مهندسی صنایع، دانشگاه صنعتی بیرجند، بیرجند، ایران
شیوه ارجاع
نصیری، زیبا و اقبالی، حسین و اقبالی، محمد علی،1404،ارائه مدل یادگیری ماشین برای پیش بینی بازار مالی قیمت مسکن مبتنی بر یادگیری عمیق،دومین کنفرانس ملی علم داده در کاربردهای مهندسی،تبریز
ارائهشده در
مجموعه مقالات دومین کنفرانس ملی علم داده در کاربردهای مهندسی17 مهر 1404 · تبریز