Корректировка модели множественной линейной регрессии в задачах массовой оценки недвижимого имущества
Автор: Крещенский В.Д., Серегина Е.В., Ласкин М.Б.
Журнал: Имущественные отношения в Российской Федерации @iovrf
Рубрика: Региональная и отраслевая экономика - экономика и управление хозяйством
Статья в выпуске: 2 (281), 2025 года.
Бесплатный доступ
Авторы анализируют проблему снижения ошибок в задачах массовой оценки. Рассматривают способ корректировки результатов модели множественной линейной регрессии, применяя распространенный в машинном обучении метод кросс-валидации. Исходный датасет разбивают на три множества - обучающее, верифицирующее и тестовое. На первом множестве подбираются коэффициенты модели, на втором - корректируются предсказания модели, на третьем - проверяется их качество после корректировки. На примере данных рынка недвижимости Ленинградской области показывают, что предложенная корректировка позволяет уменьшить величину стандартного отклонения предсказаний модели.
Множественная линейная регрессия в оценке, ошибки в задачах массовой оценки, корректировка результатов массовой оценки, множественная линейная регрессия как метод машинного обучения
Короткий адрес: https://sciup.org/170211949
IDR: 170211949 | DOI: 10.24412/2072-4098-2025-2281-8-14
Adjustment of the multiple linear regression model in problems of mass valuation of real estate
The authors analyze the problem of reducing errors in mass appraisal tasks. They consider a method for adjusting the results of a multiple linear regression model using the cross-validation method common in machine learning. The original dataset is divided into three sets - training, verification and testing. On the first set, the model coefficients are selected, on the second - the model predictions are adjusted, on the third - their quality is checked after adjustment. Using the example of data from the real estate market of the Leningrad Region, they show that the proposed adjustment allows to reduce the value of the standard deviation of the model predictions.
