Разработка модели K-Means для выявления наиболее выгодных предложений на рынке недвижимости Москвы

DOI:

Рынок недвижимости Москвы является одним из наиболее динамично развивающихся и конкурентных в России. Высокая стоимость жилья, разнообразие предложений и быстрое изменение цен требуют от покупателей тщательного анализа и выбора наиболее выгодных предложений. В этих условиях необходимо использовать современные методы анализа данных, которые могут учитывать множество факторов и обеспечивать точное сегментирование рынка [1].

Традиционные методы анализа рынка недвижимости, такие как простая статистика или экспертные оценки, часто оказываются недостаточно эффективными при большом объеме данных и множестве переменных факторов. Применение методов машинного обучения, таких как кластеризация, становится особенно актуальным [2-4]. Кластеризация позволяет разделить объекты недвижимости на группы с похожими характеристиками, что упрощает анализ и принятие решений для покупателей.

МАТЕРИАЛЫ И МЕТОДЫ

Кластеризация является одной из ключевых ветвей машинного обучения без учителя. Она позволяет автоматически группировать объекты, основываясь на их сходстве, даже если у них нет явной классифицирующей характеристики. Алгоритм K-Means широко используется благодаря своей простоте и эффективности [5].

Алгоритм K-Means работает по следующему алгоритму [6]:

• 1.    Инициализация центроидов: сначала случайным образом выбираются

• 2.    Назначение объектов кластерам: для каждого объекта рассчитывается

• 3.    Обновление центроидов: центроиды пересчитываются, основываясь на

• 4.    Повторение: эти шаги повторяются до тех пор, пока центроиды не

начальные центроиды кластеров.

евклидово расстояние до каждого из центроидов, и объект присваивается к ближайшему центроиду.

среднем значении характеристик объектов, попавших в данный кластер.

перестанут изменяться или не будет достигнуто заданное количество итераций.

Основное преимущество алгоритма K-Means заключается в его способности быстро и эффективно группировать большие объемы данных, что делает его идеальным инструментом для анализа сложных и многомерных наборов данных. В результате работы алгоритма объекты, близкие по своим характеристикам, оказываются в одном кластере, а объекты с различными характеристиками — в разных [7].

Выбор набора данных

Для исследования был использован набор данных, содержащий информацию о недвижимости Москвы. В нем представлены следующие параметры: цена, время до метро, административный округ, общая площадь, жилая площадь, этаж, количество этажей в здании, год постройки, наличие статуса новостройки, классификация как апартаменты, высота потолков и количество комнат.

Предварительная обработка данных

Для корректной работы модели K-Means были предприняты следующие шаги [8]:

• 1.    Заполнение пропущенных значений: пропущенные значения были

• 2.    Преобразование категориальных данных:  категориальные данные

заполнены медианными значениями, что позволило минимизировать влияние отсутствующих данных на модель.

(например, административный округ) были преобразованы в числовые с использованием метода LabelEncoder. Это позволило учитывать различия между районами Москвы при кластеризации.

Определение оптимального числа кластеров

Оптимальное количество кластеров было определено с помощью метода "локтя", который заключается в анализе инерции модели K-Means при разном числе кластеров и выборе числа, при котором происходит значительное уменьшение инерции [9]. На рис. 1 видно, что оптимальное количество кластеров равно 4. Однако, для более точной сегментации рынка недвижимости и учета большего количества характеристик, было принято решение увеличить количество кластеров до 8. Это позволило выделить более

специфические группы объектов, что улучшило интерпретацию результатов и выявление наиболее выгодных предложений.

Рисунок 1. Применение метода локтя для набора данных.

Figure 1. Application of the elbow method to a data set.

РЕЗУЛЬТАТЫ

На основании анализа средних значений параметров для каждого кластера, выделим кластер, который представляет собой наиболее выгодные предложения на рынке недвижимости Москвы.

Кластер 0 характеризуется следующими параметрами: средняя цена объектов составляет около 20,319,055 рублей. Среднее время до ближайшей станции метро составляет 13.02 минут, что является комфортным для большинства покупателей. Объекты недвижимости в этом кластере расположены преимущественно в южном административном округе, что указывает на доступные районы Москвы. Средняя общая площадь объектов в этом кластере составляет 56 кв.м, с жилой площадью 33 кв.м. Средний этаж, на котором расположены эти объекты, составляет 9, а среднее количество этажей в здании – 18. Большинство объектов в данном кластере были построены около 2003 года. Примерно 27.19% объектов являются новостройками. Также 13.17% объектов классифицируются как апартаменты. Средняя высота потолков в этих объектах составляет 3 м. Среднее количество комнат – 2. Таким образом, кластер 0 представляет

собой наиболее выгодные и доступные предложения на рынке недвижимости Москвы, сочетая в себе комфортные условия проживания и оптимальную стоимость.

	price	min_to_metro	regionofmoscow	total_area \
cluster 0	20,319,055	13.020061	4.524192	55.738995
1	198,544,946	18.424623	1.025126	167.736281
2	3,737,636,000	10.000000	0.000000	530.000000
3	481,139,633	7.646154	0.246154	241.860308
4	118,899,765	8.933333	1.910569	134.626439
5	315,637,948	8.083916	0.741259	202.741259
6	741,009,153	8.222222	0.000000	310.685556
7	57,097,160	14.397742	4.005312	100.058088
	livingarea	floor number_of_floors construction_year
cluster 0	33.470309	9.387302	18.437102	2003.104319
1	60.778894	11.773869	17.597990	2012.140704
2	183.000000	6.000000	7.000000	2003.000000
3	71.541538	11.738462	14.784615	2014.076923
4	58.736423	11.913821	19.988618	2007.338211
5	76.776923	8.783217	12.776224	2011.671329
6	73.505556	6.055556	7.055556	2019.000000
7	50.564807	12.918991	23.930279	2010.918991
	isnew is_	apartments ce	.lingheight number_of_rooms
cluster 0	0.271890	0.131697	2.933219	2.031390
1	0.150754	0.195980	3.215201	3.494975
2	0.000000	0.000000	3.000000	4.000000
3	0.153846	0.230769	3.289846	3.661538
4	0.186992	0.232520	3.186699	3.196748
5	0.146853	0.209790	3.353846	3.580420
6	0.277778	0.055556	3.666667	3.777778
7	0.328685	0.174635	3.119900	3.011952

Рисунок 2. Средние значения полученных кластеров.

Figure 2. Mean values of the obtained clusters.

ЗАКЛЮЧЕНИЕ

В результате исследования была разработана модель на базе алгоритма K-Means, позволяющая выявлять наиболее выгодные предложения на рынке недвижимости Москвы. Модель предоставляет покупателям ценный инструмент для оптимизации процесса выбора недвижимости, что позволяет существенно сократить время и затраты на поиск оптимального варианта. Основная сложность в данной работе заключается в интерпретации полученных кластеров.