Application of Machine Learning in Real Estate

Abstract

Tématem této práce je použití metod strojového učení pro automatické ohodnocení výše nájmu realitního objektu. Ohodnocení je založené na datech z českých serverů pro inzerci realit. Datová sada obsahující technické parametry jednotlivých realitních objektů je sestavena, vizualizována a použita pro trénování několika modelů strojového učení, které byly poté porovnány. Dále se práce zabývá použitím obrazových dat pro vylepšení predikce výše nájmu realitních objektů. Byla prozkoumána možnost extrakce popisných příznaků z obrazových dat. Byly zavedeny metodiky pro manuální extrakci a několik příznaků, například úroveň přirozeného osvětlení v realitním objektu, bylo experimentálně extrahováno. Datová sada obsahující popisné příznaky extrahované z obrazových dat byla sestavena, vizualizována a použita pro trénování modelů strojového učení. Bylo naměřeno, že prezence příznaků extrahovaných z obrazových dat snížila chybu predikce výše nájmu použitých modelů strojového učení o zhruba 10 až 20 %.

The subject of this thesis is the application of machine learning for automatic real estate object rent price prediction, based on data from Czech real estate listing websites. A dataset containing technical parameters of real estate objects is compiled, visualized, and used to train several machine learning models, which are then compared. Next, the thesis focuses on the usage of image data to improve real estate price prediction. The possibility of descriptive feature extraction from image data is explored. Methodologies for manual feature extraction are introduced, and several features, such as the level of natural light in the object, are experimentally extracted from image data. A dataset containing descriptive image features is compiled, visualized, and used with machine learning models. The inclusion of image data features was measured to decrease the error rate of the price prediction of the used models by approximately 10 to 20%.