dc.contributor.author |
Годлевський, Ю.О. |
|
dc.contributor.author |
Марчук, Г.В. |
|
dc.contributor.author |
Панаріна, І.В. |
|
dc.contributor.author |
Hodlevskyi, Yu.O. |
|
dc.contributor.author |
Marchuk, G.V. |
|
dc.contributor.author |
Panarina, I.V. |
|
dc.date.accessioned |
2023-03-15T12:53:10Z |
|
dc.date.available |
2023-03-15T12:53:10Z |
|
dc.date.issued |
2022 |
|
dc.identifier.uri |
http://eztuir.ztu.edu.ua/123456789/8119 |
|
dc.description.abstract |
Мета аналізу даних – отримувати інформацію, яку непросто витлумачити, але яка, якщо її зрозуміти, допоможе правильно її використати. У статті описано новий підхід до використання інтелектуальних технологій для певних бізнес-рішень, а саме для дослідження цінової політики вартості будинків залежно від їх розмірів. Об’єктом дослідження є аналіз даних інформації про наявні в продажу будинки, їх розміри і вартість. Предметом дослідження є методи, алгоритми та засоби інтелектуального аналізу даних. У статті розглядається найбільш простий і зрозумілий, водночас часто використовуваний метод математичного програмування для вирішення завдань такого роду – метод градієнтного спуску (gradient descent). У роботі використана найбільш поширена функція втрат середньоквадратичної помилки. Похідна цієї функції показує обчислення градієнта для лінійної регресії. Використано лінійну регресію (Linear regression) – модель залежності змінних (вартості та площі будинку) з лінійною функцією залежності. Дані для аналізу були завантажені з декількох інтернет-ресурсів продажу та оренди житла. В статті представлено візуалізацію методу градієнтного спуску по функції помилки за двома параметрами. Крім 3D-графіків, у роботі представлені контурні графіки. Контурний графік – це метод представлення тривимірного зображення у двомірній площині, що добре представляє покрокову роботу методу градієнтного спуску. В результаті було спроєктовано модель, де можна побачити, як модель підлаштовується під тренувальні дані і готова виконувати своє завдання. Провівши тестування запропонованої моделі, можна виявити приблизну вартість будинку залежно від його розмірів. Функція помилки мінімізована і відповідає вимогам поставленого завдання. В подальшому планується збільшити кількість вхідних даних для аналізу, вказавши місце розташування, кількість кімнат, величину прилеглої території. |
uk_UA |
dc.language.iso |
uk |
uk_UA |
dc.publisher |
Державний університет "Житомирська політехніка" |
uk_UA |
dc.relation.ispartofseries |
Технічна інженерія;2(90) |
|
dc.subject |
аналіз даних |
uk_UA |
dc.subject |
модель лінійної регресії |
uk_UA |
dc.subject |
машинне навчання |
uk_UA |
dc.subject |
штучний інтелект |
uk_UA |
dc.subject |
data analysis |
uk_UA |
dc.subject |
linear regression model |
uk_UA |
dc.subject |
machine learning |
uk_UA |
dc.subject |
artificial intelligence |
uk_UA |
dc.title |
Аналіз, моделювання та прогнозування ціни будинків залежно від їх розмірів |
uk_UA |
dc.title.alternative |
Analysis, modeling and forecasting the price of houses, depending on their size |
uk_UA |
dc.type |
Article |
uk_UA |
dc.description.abstracten |
The goal of data analysis is to obtain information which is not easy to interpret, but will help to use it correctly. The paper describes a new approach to the use of intelligent technologies for certain business decisions, namely to research the pricing policy of the cost of houses based on their size. The object of the research is data analysis about available houses for sale, their size and value. The subject of the research are methods, algorithms and means of intelligent data analysis. The article considers the most simple and understandable, at the same time, widely used method of mathematical programming for solving problems of this kind – the gradient descent. The work uses the RMSE loss function. The derivative of this function shows the computation of the gradient for linear regression. The work uses linear regression i.e. a model of the dependence of variables (cost and area of the house) with a linear function of dependence. Data for analysis were downloaded from several Internet resources for the sale and rental of housing. The paper presents a visualization of the gradient descent method on the error function with two parameters. In addition to 3D plots, contour plots are presented. A contour plot is a method of representing a three-dimensional image in a two-dimensional plane, which well shows the step-by-step operation of the gradient descent method. As a result, a model was designed, where you can observe how the model adapts to the training data and is ready to perform its task. After testing the proposed model, you can determine the approximate cost of the house depending on its size. The error function is minimized and satisfies the requirements of the given task. In the future, it is planned to increase the amount of input data for analysis, indicating the location, the number of rooms, and the size of the surrounding area. |
uk_UA |