Napovedovanje vrednosti nepremičnin iz podatkov Evidence trga nepremičninKoncilja, Aleš (Avtor) Lavbič, Dejan (Mentor) evidenca trga nepremičninpodatkovno rudarjenjenapovedvrednost nepremičninečiščenje podatkovTrgovanje z nepremičninami (oddajanje, prodajanje) poteka vsak dan, zato je napovedovanje vrednosti nepremičnin zelo pomembno. Cilj magistrske naloge je bil razviti napovedni model vrednotenja nepremičnin s podatkovnim rudarjenjem, ki napoveduje vrednost nepremičnine (pogodbeno najemnino oz. ceno za stanovanja) na podlagi podatkov iz različnih virov. Pomemben faktor pri pripravi zbirk podatkov je bil vključevanje podatkov, ki posredno vplivajo na vrednost nepremičnin. Izhodiščno zbirko podatkov ETN smo razširili z dodatnimi podatki in ustvarili dve novi zbirki podatkov – najeme in kupoprodaje stanovanj. Nad zbirkama smo izvajali postopke čiščenja (odstranjevanje osamelcev, vstavljanje manjkajočih vrednosti). Izvedli smo tudi izbor pomembnih atributov. Z metodama za napovedovanje (linearna regresija, naključni gozdovi) smo iz zbirk podatkov zgradili napovedne modele za napovedovanje vrednosti nepremičnin ter jih ovrednotili. Pri napovedovanju pogodbenih cen za stanovanja smo z naključnimi gozdovi dosegli najnižjo povprečno absolutno napako (MAE) 10.986,15 €, kar je boljše kot z linearno regresijo, kjer je MAE 14.496,75 €. Obe metodi presežeta MAE 25.424,58 € ničelnega modela. Tudi pri napovedovanju pogodbenih najemnin za stanovanja smo z naključnimi gozdovi dobili boljše rezultate (MAE je 63,74 €) kot z linearno regresijo (MAE je 81,20 €), kar je boljše od ničelnega modela (MAE je 95,15 €). Napovedni model vključuje stanje trga in predstavlja alternativo trenutnemu GURS vrednotenju, ki temelji na kompleksnih modelih vrednotenja.20182018-10-03 13:55:16Magistrsko delo/naloga104059VisID: 21154sl