Recommended
More Related Content
Viewers also liked
不動産価格査定におけるヘドニックアプローチからディープラーニングへの進化の軌跡
- 2. 自己紹介 • 濵田 雄斗（はまだ ゆうと） • 職歴 • イタンジ インターン • イタンジ 就職 • 職業 • データサイエンティスト • エンジニア • 気になる • AIチャット
- 4. VALUE 価格算定機能を持ったAI 過去20年分25万件に及ぶ 区分所有マンションの成約 事例を解析 500名の個人投資家が利用 （2016年6月時点） 価格算出の精度は96％程 度 賃料算出と10年後の再販価 格も予測 DCFとIRRによって投資価値 を判定
- 7. ヘドニックアプローチ 「坪単価」 = 2155724 ＋ -18390.59 × 「駅徒歩」 ＋ -15901.88 × 「部屋数」 ＋ 72.31378 × 「管理費」 ＋ -32.82219 × 「修繕費」 ＋ -73772.4 × 「構造」 ＋ 4556.246 × 「所在階」 ＋ 30122.13 × 「総階数」 ＋ -31798.67 × 「築年月」 ＋ 32975.37 × 「バルコニー」 ＋ 0.3641633 × 「駅毎平均坪単価」 ＋ 80394.72 × 「土地権利」 ＋ 323917.2 × 「シリーズ物」 ＋ -54608.89 × 「タワーマンション」 係数 ✕ 変数 ※ダミー変数：数字でないデータを数字変換する。
- 8. データ • 使用データ • 約1ヶ月の募集データ（約1万5000件） • クローリング • 路線ごと、平米ごとで分割（120以上に分類） • Ex)山手線の30㎡以下、山手線の30㎡以上50㎡以下 • 理由：精度を上げるため • 物件の条件のみを使用し、経済指標は使用せず • 目的変数 • 販売物件の募集坪単価 • 販売物件の予測月額賃料
- 12. 精度 R2 平均０．６
- 13. この時の課題 • 精度が低すぎる • 少ないデータ数 • 100以上のモデルのメンテ工数 • 少ない変数
- 15. 解決策 • 精度が低すぎる • 少ないデータ数 • 100以上のモデ ルのメンテ工数 • 少ない変数 ？ クローリング プロの教え
- 18. データ -クローリングの結果- • データ数は２５万件に増加 • モデルは４つまで減少 モデル数 データ数 4月 6月 1 30 25倍
- 19. データ • 使用データ • 過去25年の成約データ（約２５万件） • 平米ごとで分割（４つに分割） • 物件の条件と、経済指標を使用 • 金利、空室率、病床数、etc • 目的変数 • 販売物件の成約坪単価 • 販売物件の予測月額賃料
- 21. モデルの作成 （GUIでも可能）
- 24. 精度 R2 平均０．９
- 25. Deep Leaningの課題 • モデルの作成時間 – スポットインスタンスの活用 • ブラックボックス – ヘドニックのような 各変数に対しての説明が不可
- 26. まとめ -アルゴリズム- ヘドニックアプローチ Deep Learning メ リ ッ ト • 変数の影響力が明確 • DLほどデータ数が必要で はない • 精度が出る • 変数選定の工数低 デ メ リ ッ ト • 変数選定の工数高 • やりきれば精度出る • 変数の影響力が不明 • 膨大なデータ数が必要
- 28. ご清聴 ありがとうございました
Editor's Notes
- 不動産取引を滑らかにするイタンジ株式会社です
- 不動産取引を滑らかにするイタンジ株式会社です