Machine learning methods application for real estate price prediction in the Russian market

Abstract

В данной выпускной квалификационной работе была разработана модель машинного обучения, которая прогнозирует цен на недвижимость и может быть использована в качестве первой оценки владельцев недвижимости и агентов по недвижимости. Для разработки модели использовался язык программирования Python и некоторые из библиотек машинного обучения, такие как scikit-learn. В качестве датасета был массив из 50000 объявлений, размещенных на сайте Яндекс.Недвижимости, и главной задачей было создать модель прогнозирования цен с высочайшим уровнем точности. При проведении анализа оценки эффективности моделей были использованы реальные цены объявлений, методы оценки агентов по недвижимости, модели конкурентов Яндекс.Недвижимости, а также разработанные модели, использующие методы машинного обучения. Лучший результат показала xgboost модель, дающая 75% точность.

In this thesis, I designed a machine learning model which predicts real estate price that could be used as the first estimation by real estate owners or real estate agents. The source programming language is Python and some of the machine learning libraries such as scikit-learn. I was given a 50000 items dataset and the main task was to create a price prediction model with the highest level of accuracy. In comparison analysis, I evaluate the effectiveness of real estate agents price estimation, Yandex competitors models, only machine learning based models and combined models containing algorithmic and machine learning part. The best price prediction model was xgboost model with the 75% accuracy