Hiper-optimize edilmiş makine öğrenim teknikleri ile taşınmaz değerlemesi, Yozgat kenti örneği
Küçük Resim Yok
Tarih
2022
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Niğde Ömer Halisdemir Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Toplu Taşınmaz Değerlemede (TTD), Makine Öğrenim Teknikleriyle gelişmiş tahmin yöntemlerinden yararlanılarak bilimsel, doğru ve hızlı sonuçlar elde edilmektedir. Makine Öğrenimi, Coğrafi Bilgi Sistemi (CBS) ortamında düzenlenen verilerin analiz edilerek konut fiyat değerini tahmin etmede doğru karar vermeyi sağlamaktadır. Bu çalışmanın amacı; küçük ölçekli kentler sınıfındaki Yozgat kentinde Bayes Tekniği ile Hiper-Optimize Edilmiş Makine Öğrenimi Teknikleri sayesinde değer tahminleri oluşturmaktır. Bu kapsamda regresyon yöntemleri ile 2022 ve 2023 yıllarına ait taşınmaz verileri üzerinde toplu taşınmaz değerleme gerçekleştirilmiştir. Uygulamada eğitim verisi sonuçlarına göre Çekirdek regresyonu, test verisi sonuçlarına göre ise Topluluk regresyonu en başarılı sonuçları sağlamıştır. Çalışma, kentin bütününde bir toplu değerleme yapılması ve büyük bir değerleme sahası içinde bölgesel eşitsizliklere rağmen konut fiyat tahmin doğruluğunun metriklere göre başarılı sonuçlar elde etmesiyle literatürden farklılaşmaktadır. Elde edilen sonuçlar, heterojen özellikler taşıyan bir değerleme alanı için çalışmanın konut fiyat tahmin sonuçlarının belirlenmesinde başarılı bir yaklaşım olduğunu göstermektedir. Anahtar Sözcükler: TTD, Değerleme Yöntemleri ve Kriterleri, CBS, Makine Öğrenimi Teknikleri, Hiperparametre Optimizasyonu, Bayes Tekniği
Scientific, accurate and fast results are obtained by utilising advanced estimation methods with Machine Learning Techniques in Mass Real Estate Valuation (MRV). Machine Learning provides the right decision making in estimating the house price value by analysing the data arranged in the Geographical Information System (GIS) environment. The aim of this study is to create value estimates in Yozgat city, which is classified as small-scale cities, by using Bayesian Technique and Hyper-Optimised Machine Learning Techniques. In this context, collective real estate valuation was carried out on real estate data for the years 2022 and 2023 with regression methods. In the application, the Core regression provided the most successful results according to the training data results and the Ensemble regression provided the most successful results according to the test data results. The study differs from the literature by performing a collective valuation in the whole city and obtaining successful results in terms of house price prediction accuracy according to metrics despite regional disparities in a large valuation area. The results obtained show that the study is a successful approach in determining house price prediction results for a valuation area with heterogeneous characteristics. Keywords: MRV, Valuation Methods and Criteria, Machine Learning Techniques, Hyperparameter Optimisation, Bayesian Technique
Scientific, accurate and fast results are obtained by utilising advanced estimation methods with Machine Learning Techniques in Mass Real Estate Valuation (MRV). Machine Learning provides the right decision making in estimating the house price value by analysing the data arranged in the Geographical Information System (GIS) environment. The aim of this study is to create value estimates in Yozgat city, which is classified as small-scale cities, by using Bayesian Technique and Hyper-Optimised Machine Learning Techniques. In this context, collective real estate valuation was carried out on real estate data for the years 2022 and 2023 with regression methods. In the application, the Core regression provided the most successful results according to the training data results and the Ensemble regression provided the most successful results according to the test data results. The study differs from the literature by performing a collective valuation in the whole city and obtaining successful results in terms of house price prediction accuracy according to metrics despite regional disparities in a large valuation area. The results obtained show that the study is a successful approach in determining house price prediction results for a valuation area with heterogeneous characteristics. Keywords: MRV, Valuation Methods and Criteria, Machine Learning Techniques, Hyperparameter Optimisation, Bayesian Technique
Açıklama
Fen Bilimleri Enstitüsü, Harita Mühendisliği Ana Bilim Dalı, Jeodezi ve Fotogrametri Mühendisliği Bilim Dalı
Anahtar Kelimeler
Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
