Nekustamā īpašuma cenu prognozēšana ar mašīnmācīšanās metodēm

Abstract

Maģistra darbā tiek veikta Latvijas nekustamā īpašuma cenu prognozēšana, izmantojot mašīnmācīšanās metodes. Darba mērķis ir novērtēt metožu precizitāti prognozēšanā. Cenu prognozēšanai tika lietotas šādas 9 regresijas metodes: lineārā, Lasso, Ridge, polinomiālā, SVR, KNN, lēmumu koka, gadījuma meža un XGBoost. Dati par nekustamo īpašumu cenām tika ņemti no Latvijas Atvērto datu portāla lapas “Nekustamā īpašuma tirgus datu bāzes atvērtie dati”. Modeļu apmācībai tika lietoti dati no 2020. līdz 2023. gadam un kā testa dati, lai novērtētu modeļus, tika lietoti dati no 2024. gada. Vispirms ar 9 izveidotajiem modeļiem tika veikta cenu prognozēšana Pierīgas dzīvokļiem. Tad tika salīdzināti iegūtie rezultāti un izvēlētas 3 precīzākās mašīnmācīšanās metodes: lēmumu koka, gadījuma meža regresija un XGBoost. Ar šīm 3 metodēm tika veikta cenu prognozēšana dzīvokļiem citās 33 Latvijas pilsētās. Tomēr iegūto prognozēšanas rezultātu precizitāte izrādījās zema. Ar apmācību datiem veiktā modeļu pārbaude liecina, ka modeļi ir izstrādāti pareizi, kā arī apmācību un testa dati nav ļoti atšķirīgi. Ņemot vērā maģistra darbā iegūtos rezultātus, tika secināts, ka, lai precīzāk varētu prognozēt dzīvokļu cenas, ir nepieciešami vēl papildus dati par katru konkrēto dzīvokli, kas šobrīd nav atrodami Latvijas Atvērto datu portāla datu kopā.

The master's thesis is based on the prediction of real estate prices in Latvia using machine learning methods. The aim of the work is to assess the accuracy of the methods in prediction. The following 9 regression methods were used for price prediction: linear, Lasso, Ridge, polynomial, SVR, KNN, decision tree, random forest and XGBoost. Data on real estate prices were taken from the Latvian Open Data portal page “Real Estate Market Database Open Data”. Data from 2020 to 2023 were used for model training, and data from 2024 were used as test data to evaluate the models. Firstly, the price prediction was performed for apartments in Pierīga with the 9 created models. Then the results obtained were compared, and the 3 most accurate machine learning methods were selected: decision tree, random forest regression and XGBoost. These 3 methods were used to predict prices for apartments in 33 other Latvian cities. However, the accuracy of the obtained predicting results turned out to be low. The model testing performed with the training data shows that the models are developed correctly, and the training and test data are not very different. Considering the results obtained in the master's thesis, it was concluded that to more accurately predict apartment prices, additional data is needed for each specific apartment, which is currently not available in the Latvian Open Data portal dataset.