Сравнительный анализ моделей машинного обучения для оценки стоимости недвижимости

В статье представлен сравнительный анализ моделей машинного обучения, применяемых для прогнозирования рыночной стоимости объектов жилой недвижимости. Исследование основано на анализе данных, включающих количественные и качественные параметры объектов, такие как площадь, расположение, транспортная доступность и уровень ремонта. Для обработки категориальных признаков использовано номинальное шкалирование, а для выявления значимых факторов и устранения избыточности информации применены методы корреляционного и факторного анализа. В работе выполнено построение и оценка четырёх прогнозных моделей: линейной регрессии, случайного леса, градиентного бустинга и нейронных сетей. Показано, что модель на основе алгоритма случайного леса демонстрирует наилучшее качество прогноза.