شناسایی موارد پرت در قیمت گذاری مسکن با راه کار داده کاوی
شناسایی موارد پرت در قیمت گذاری مسکن با راه کار داده کاوی
حمید اخوان1 بابک تیمورپور2 رضا صفری3 سعید حسن نژاد4
1) دانشجوی کارشناسی ارشد مهندسی صنایع ، دانشگاه غیرانتفاعی ایوانکی
2) استادیار دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس
3) دانشجوی کارشناسی ارشد مهندسی صنایع ، دانشگاه غیرانتفاعی ایوانکی
4) دانشجوی کارشناسی ارشد مهندسی صنایع ، دانشگاه غیرانتفاعی ایوانکی
کد IOI مقاله
:
XYBG-AZACA
محل انتشار :
کنفرانس بین المللی نخبگان عمران، معماری و شهرسازی(cau2016.com)
چکیده :
در این مقاله به ارائه مدلی برای پیش بینی قیمت مسکن پرداخته شده و سپس بر اساس قیمت پیش بینی شده به شناسایی مشاورین املاکی که قیمت مسکن را با قیمتی پرت ثبت کرده اند می پردازیم. برای پیش بینی از رگرسیون چندگانه استفاده شده و برای شناسایی قیمت های پرت از خوشه بندی K-Means استفاده شده است. سپس املاک و مستغلات بر اساس ویژگی های مسئله و قیمت پیش بینی شده در مدل به دو خوشه تقسیم شده اند که خوشه دوم مشاورین املاک با رفتاری غیر عادی می باشند. در این مقاله پیش بینی املاک و مستغلات تهران انجام شده است و مدل اجرا شده دارای خطای 20 درصدی است.
کلمات کلیدی : قیمت گذاری مسکن خوشه بندی رگرسیون داده کاوی