머신러닝을 이용한 주택가격 예측과 공간적 군집패턴 분석
Prediction of House Price and Analysis of Spatial Clustering Pattern using Machine Learning Algorithms
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
본 연구는 주택가격예측모형의 구축을 위해 머신러닝 방법 중 랜덤포레스트, 서포트벡터회귀, 인공신경망모형을 적용하였다. 머신러닝의 대표적인 3개의 예측모형을 토대로 각각의 기본적인 모형과 파라미터를 최적화하여 성능개선을 시킨 모형을 비교분석하여 지역별/주택유형별로 가격예측의 정확도가 높은 모형을 선정하였다. 구축된 모형의 정확도를 평가하기 위해 예측치와 실측치의 상관분석과 평균절대오차, 평균제곱오차의 제곱근을 사용하여 비교분석하였다. 또한 주택가격과 그에 영향을 미치는 변수들이 공간상에서 어떠한 패턴으로 군집되는 성향이 있는지 분석하기 위해 비지도학습의 일환인 K-평균군집 알고리즘을 이용하였다. 이를 통해 주택시장의 하부구조를 파악할 수있고, 군집화되어 있는 변수들의 특성을 파악하여 국지적 주택정책을 적용할 수 있을 것으로 사료된다.
Abstract
In this study, it applied the machine learning algorithms of RF, SVR, and ANN, representative models of supervised learning to construct the house price prediction model. It selected the model with high accuracy in price prediction by region/house type by optimizing each basic models and parameters, and comparing and analyzing the models improved the performance, based on representative three prediction models of machine learning. In order to evaluate the accuracy of the constructed model, the correlation analysis between predictive value and actual value, MAE(Mean Absolute Error) and RMSE (Root Mean Square Error) were used for comparative analysis. Also, it used the K-means clustering algorithm, a part of unsupervised learning, to analyze the tendency of house price and variables influencing on it to cluster in any pattern in space. Through this, it is considered that it could figure out the sub-structure of the housing market, and apply local housing policies, identifying the characteristics of clustered variables.
참고문헌 (18)
- "국가공간정보포털"[URL]
- "국토교통부 실거래가 공개시스템"[URL]
- "공공데이터 포털"[URL]
- 김경민, "기계학습을 통한 공동주택 가격결정요인 분석", 주거환경, 14(3), pp.29~40 (2016), 한국주거환경학회
- 김의중, "알고리즘으로 배우는 인공지능, 머신러닝, 딥러닝 입문" (2016), 위키북스
- 김정희, "공간–통계 융합 자료를 이용한 공동주택의 가격결정모형 비교 분석", 경관과 지리, 28(1), pp.13~26 (2018), 한국사진지리학회[DOI]
- 김종수, "헤도닉가격모형과 서포트 벡터 회귀분석모형을 이용한 공업용 부동산의 가격추정", 감정평가학논집, 11(1), pp.71~89 (2012), 한국감정평가학회[DOI]
- 나성호, "공공데이터를 활용한 아파트 매매 가격 결정 모형의 예측 능력 비교 : 서울 강남구 지역을 중심으로", 한국지적정보학회지, 21(1), pp.3~12 (2019), 한국지적정보학회[DOI]
- 배성완, "머신 러닝 방법과 시계열 분석 모형을 이용한 부동산 가격지수 예측", 주택연구, 26(1), pp.107~133 (2018), 한국주택학회[DOI]
- 이재구, "Big Data 분석을위한 Machine Learning", 한국통신학회지(정보와통신), 31(11), pp.14~26 (2014)
- 이준용, "데이터 마이닝 적용을 통한 아파트 가격예측에 관한 연구", 국토계획, 42(4), pp.135~148 (2007), 대한국토·도시계획학회
- 이창로, "The Deep Learning Approach to Property Valuation: An Application of a Multilayer Neural Net Model for Estimating House", 한국지역개발학회지, 30(4), pp.179~202 (2018), 한국지역개발학회
- 이창로, "단독주택가격 추정을 위한 기계학습 모형의 응용", 대한지리학회지, 51(2), pp.219~233 (2016), 대한지리학회
- 이태형, "딥러닝 모형을 활용한 서울 주택가격지수 예측에 관한 연구: 다변량 시계열 자료를 중심으로", 주택도시연구, 8(2), pp.39~56 (2018), SH공사 도시연구원[DOI]
- 전해정, "데이터 마이닝을 이용한 주택가격 결정요인에 관한 연구", 주거환경, 15(3), pp.35~46 (2017), 한국주거환경학회[DOI]
- A. Khamis, "Comparative Study On Estimate House Price Using Statistical And Neural Network Model", International Journal of Scientific &Technology Research, 3(12), pp.126~131 (2014)
- e, "R을활용한 머신러닝 3", pp.2020, Brett Lantz
- E. A ntipov, "Mass appraisal of residential apartments: An application of Random forest for valuation and a CART-based approach for model diagnostics", Expert Systems with Applications, 39, pp.1772~1778 (2012)