抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
現実の不動価格予測は,実際の不動政策の確立のために重要であり,実際の不動産所有者とエージェントが有益な決定をするのを助けることができる。本研究の目的は,実際の取引データと機械学習モデルを採用して,実際の不動産の価格を予測することである。実際の取引データは,実際の不動産の属性と取引価格を含み,それぞれ,機械学習モデルの独立変数と従属変数として機能する。研究は,4つの機械学習モデル,すなわち,最小自乗サポートベクトル回帰(LSSVR),分類と回帰木(CART),一般的回帰ニューラルネットワーク(GRNN),および逆伝播ニューラルネットワーク(BPNN)を採用して,実際の不動価格を予測した。さらに,遺伝的アルゴリズムを用いて機械学習モデルのパラメータを選択した。数値結果は,最小二乗サポートベクトル回帰が予測精度に関して他の3つの機械学習モデルより優れていることを示した。さらに,最小二乗サポートベクトル回帰によって生成された予測結果は,平均絶対パーセント誤差に関して,実際の不動価格予測の以前の関連研究より優れていた。したがって,機械学習ベースのモデルは,実際の不動価格を予測する実質的で実行可能な方法であり,最小二乗サポートベクトル回帰は,比較的競争力があり,満足のいく結果を提供できる。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】