МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ ТА АНАЛІЗ ВАЖЛИВОСТІ ОЗНАК У ЗАДАЧІ ПРОГНОЗУВАННЯ ЦІН НА ВТОРИННОМУ РИНКУ ЖИТЛА З ВИКОРИСТАННЯМ МАШИННОГО НАВЧАННЯ

Анотація

У статті досліджено задачу прогнозування цін на вторинному ринку житлової нерухомості м. Києва шляхом побудови та порівняння альтернативних регресійних моделей. Актуальність дослідження визначається багатофакторною природою формування вартості житла, високою волатильністю ринку та необхідністю підвищення точності аналітичних інструментів оцінювання. Класичні параметричні підходи не завжди дозволяють адекватно врахувати нелінійні залежності та взаємодії між характеристиками об’єктів, що обґрунтовує використання сучасних алгоритмічних методів. У дослідженні реалізовано комплексну процедуру підготовки даних, що включала очищення вибірки, імпутацію пропущених значень методом k-найближчих сусідів, вінзоризацію екстремальних спостережень, логарифмічне перетворення цільових змінних та нормалізацію числових ознак. Особливу увагу приділено інженерії ознак на основі текстових описів об’єктів. Повторювані якісні характеристики було ідентифіковано та закодовано у вигляді бінарних змінних, що дозволило включити інфраструктурні параметри та показники комфорту до аналітичної структури. Додатково здійснено геопросторове збагачення даних шляхом розрахунку відстані кожного об’єкта до центру міста як ключового індикатора локації. Побудовано та порівняно моделі множинної лінійної регресії, ансамблеві алгоритми (XGBoost, LightGBM, Random Forest) та штучну нейронну мережу. Оцінювання якості моделей здійснювалося на тестовому наборі даних (20 % спостережень) з використанням метрик R2, RMSE, MAE та MAPE. Найвищу прогнозну точність продемонстрували алгоритми бустингу, зокрема LightGBM. Аналіз важливості ознак показав, що загальна площа є домінуючим чинником формування загальної вартості житла разом із локаційними характеристиками та віком будинку. Натомість ціна за квадратний метр сильніше залежить від параметрів розташування та адміністративної приналежності. Отримані результати підтверджують ефективність ансамблевих алгоритмів у поєднанні з розширеною інженерією ознак для кількісного аналізу механізмів ціноутворення на місцевому ринку житлової нерухомості.