پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 31 |
| تعداد شمارهها | 852 |
| تعداد مقالات | 8,230 |
| تعداد مشاهده مقاله | 16,349,762 |
| تعداد دریافت فایل اصل مقاله | 10,819,542 |
پیشبینی اجاره بهای مسکن در مناطق 22 گانۀ شهر تهران با استفاده از الگوریتم های یادگیری ماشین نظارتشده | ||
| جغرافیا و آمایش شهری منطقهای | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 13 مرداد 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22111/gaij.2026.55808.3360 | ||
| نویسندگان | ||
| ابراهیم رضائی1؛ ابوالفضل مشکینی* 1؛ مهدی پورطاهری2 | ||
| 1گروه جغرافیا و برنامه ریزی شهری، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران. | ||
| 2گروه جغرافیا و برنامه ریزی روستایی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران. | ||
| چکیده | ||
| در چشمانداز پویای املاک و مستغلات، پیشبینی دقیق اجارۀ مسکن برای مالکان و مستأجران اهمیتی حیاتی دارد. پژوهش حاضر بر توسعۀ مدلی کارآمد برای پیشبینی اجارۀ مسکن در شهر تهران با بهره گیری از الگوریتم های پیشرفته یادگیری ماشین نظارتشده تمرکز داشته که در خلال آن، از یک مجموعه دادۀ غنی در ارتباط با املاک اجارهای در مناطق 22گانه شهر تهران(شامل ۹۸۹۱ ملک اجارهای، با ۱۷ ویژگی مرتبط با هر مشاهده) استفاده شد. ارزیابی الگوریتم ها بر اساس معیارهای صحت و دقت نشان داد که الگوریتم ایکس جی بوست به صحت و دقت قابل توجه 1/98 درصدی دست یافت؛ درحالی که درخت تصمیم صحت 3/96 درصد و دقت 1/96 درصد را کسب کرد. عملکرد قوی این الگوریتم ها از توانایی آنها در درک روابط پیچیده و غیرخطی درون دادهها و مقاومتشان در برابر بیشبرازش نشأت میگیرد. یافتههای این مطالعه، بینشهای ارزشمندی را به متخصصان حوزه املاک، سرمایهگذاران و سیاستگذاران در تهران ارائه میدهد تا تصمیمات کاملاً آگاهانهای اتخاذ کنند و استراتژیهای اجار را بهبود بخشند. مسیرهای بالقوه برای پژوهشهای آینده، گنجاندن ویژگیهای بیشتری مانند مشخصات محله و شاخصهای اقتصادی را در بر میگیرد تا قابلیتهای پیشبینی الگوریتمها را بیش از پیش ارتقا دهد. علاوه بر این، بررسی قابلیت تعمیم این الگوریتمها به سایر شهرها یا مناطق میتواند راه را برای کاربردهای گستردهتر و درک جامعتر از پویایی بازار اجاره هموار سازد. | ||
| کلیدواژهها | ||
| اجاره بهای مسکن؛ یادگیری ماشین؛ مدلسازی پیشبینانه؛ تهران | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2 |
||