Verwendung des k-means-Algorithmus zur Zonierung von Immobilienpreiszonen

Diese Veröffentlichung gehört nicht zu den Materialien der Reihe "Hier ist es Ereignishorizont", sondern im Gegenteil als Berater für die Verwendung anerkannter Methoden der BigData-Analyse in den praktischen Aktivitäten gewöhnlicher Menschen fern vom Zoo mit Python ( Python), Escuels (SQL), Siplusplus (C ++) und andere - Gutachter bei der Ermittlung des Marktwerts von Immobilien. Die Notwendigkeit, die Auswirkungen des Standorts auf den Wert von Immobilien zu bestimmen, steht außer Zweifel. Diese Tatsache ist in der Praxis in den Anforderungen des BFS-7 (Bundesbewertungsstandard "Immobilienbewertung (BFS N 7)", Absätze 11b und 22e, verankert.





 Im Moment gibt es solche „Wärmekarten von Immobilien“ im Netzwerk, aber sie haben einen engen Zweck, da sie die Kosten für Wohnungen widerspiegeln, und andere Arten von Immobilien müssen ebenfalls bewertet werden. Andererseits sind diese Informationsquellen nicht mit der erforderlichen Vollständigkeit ausgestattet, was ihre Verwendung bei der forensischen Untersuchung einschränkt.  





Natürlich kennt jeder Gutachter sein Territorium und hat seine eigene "Heatmap". Ich kann mir vorstellen, wie ich selbst die Regionalisierung ohne mathematische Methoden durchgeführt habe (Abb. 1). 





. 1. 2019 . ( « № 01/-2019 ( ) - — » . _\2. \2.1 ». 19.11.2019 № 19- « ( ) - – »





  g-means 2021, . 2.





. 2. 2021 . g-means ( )





 - « » etagi.com (.3) .





. 3. etagi.com ( 2021 .) ( )





 





, « » , 80% , . , , .





  « » - (. 4) .





. 4. . . ( 2021 .). ( ).





  «-» - . . 5 .





. 5. . «-»





  . , . - , - . , .





  «-» .





  «Etagi.com» .





  . , 6 7 56214-2014 « . 1. » .67. « » , .88. « » , .71. « » , , .





  : ) ( ); ) ; ) ( ).





  , , .





  , 99% , . «_1 v.s. _2». , .





  , k-means (g-means) , , Excel’ , , , . . «Loginom Company» Deductor Academic .





1. ( ). « » Excel, .





2. .





3. .





  , Deductor Academic.





  : .





  : .





  , , .





  . 2 . Deductor Academic , . .2 ( ), . , 6.





. 6. ( / ).





  , . 7.





. 7. .





  . , 10%. «_1 v.s. _2». 7 969,14, 7 873,28. . Deductor Academic .





  ? . , . 237- k-means (g-means). . .





 





.





 





«», , .





  , . . (.11 , -7), 40-100 , , .





  - , . ( ) - 60.957875, 76.878470. Excel .8.





. 8.





  . . . « XLSX». .





  . , , , . , – , , , , , – .





  . Deductor Academic ,





1) ;





2) , ;





3) ( Excel' , ).





9.





. 9. ) – , . ) . ) 8, 9 - .





  . 10, :





) «1»;





) «_» ;





) « ( ) (*.txt);





) ( Deductor Academic , , . , ( / ) , ).





. 10.





  Deductor Academic.





. 11.





  12 , , Deductor Academic .





. 12. Deductor Academic ()





  13 Deductor Academic , .





. 13. Deductor Academic.





  14 .





. 14. Deductor Academic.





 





.





 





.15 .





.15. Deductor Academic.





  (Data minig) … , .16. , . Deductor Academic , .





. 16.





  .





. 17. .





  17 , (0,5512), (0,6898). (.18).





. 18. . ( - , – )





  . , .





. 19. .





. 20. .





Feige. 21. Stellen Sie die Anzahl der Cluster mit g-means ein, die Anzahl der Cluster wird automatisch ermittelt.





Feige. 22. Startmenü verarbeiten.





Feige. 23. Liste der Ausgabeparameter.





Feige. 24. Analyseergebnisse.





 





Die Ergebnisse auf Yandex.Map sind hier und in Abbildung 25 dargestellt.





Feige. 25. Vergleich der Ergebnisse der Analyse in Deductor Academic mit der Analyse, die durchgeführt wurde, als diese Aufgabe mit anderen mathematischen Mitteln ausgeführt wurde.





 





Und am Ende - Willkommen zur Umarmung des Bergbaudatums.








All Articles