Πρόβλεψη τιμών ενοικίασης ακινήτων με την χρήση μηχανικής μάθησης για την χάραξη συγκοινωνιακής πολιτικής

Μαλαπάνη, Δήμητρα-Αλεξάνδρα; Malapani, Dimitra-Alexandra

dc.contributor.author	Μαλαπάνη, Δήμητρα-Αλεξάνδρα	el
dc.contributor.author	Malapani, Dimitra-Alexandra	en
dc.date.accessioned	2024-08-28T11:59:15Z
dc.date.available	2024-08-28T11:59:15Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/60025
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.27721
dc.rights	Default License
dc.subject	Πρόβλεψη τιμών ενοικίασης ακινήτων	el
dc.subject	Χάραξη συγκοινωνιακής πολιτικής	el
dc.subject	Παλινδρόμηση	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Τεχνητή Νοημοσύνη	el
dc.subject	Property rental price prediction	en
dc.subject	Transport policy making	en
dc.subject	Regression	en
dc.subject	Machine learning	en
dc.subject	Artificial intelligence	en
dc.title	Πρόβλεψη τιμών ενοικίασης ακινήτων με την χρήση μηχανικής μάθησης για την χάραξη συγκοινωνιακής πολιτικής	el
heal.type	bachelorThesis
heal.secondaryTitle	Prediction of rental prices for immovable property using machine learning for the formulation of transport policy	el
heal.generalDescription	Με την παρούσα διπλωματική εργασία δύναται να είναι ευκολότερη η πρόβλεψη τιμών ενοικίασης ακινήτων στην περιοχή της Αττικής .	el
heal.classification	Φωτογραμμετρία	el
heal.classification	Συγκοινωνιακή Τεχνική	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-03-13
heal.abstract	Στην σημερινή εποχή, η αγορά των ακινήτων παρουσιάζει ιδιαίτερη οικονομική αστάθεια ,η οποία επηρεάζεται από πλήθος παραγόντων. Οι παράγοντες αυτοί που επηρεάζουν το κάθε ακίνητο είναι πολυάριθμοι και σχετίζονται όλοι μεταξύ τους. Συνεπώς, γίνεται κατανοητό πως η μοντελοποίηση τους αποτελεί μια ιδιαίτερα σύνθετη διαδικασία . Στην παρούσα διατριβή, μελετάται η πρόβλεψη τιμών ενοικίασης ακινήτων, επικεντρώνοντας το ενδιαφέρον της μελέτης στην περιοχή της Αττικής, λαμβάνοντας υπόψιν σημαντικούς παράγοντες από τους οποίους καθορίζονται οι τιμές ενοικίασης των ακινήτων και χρησιμοποιώντας μεθόδους και τεχνικές της μηχανικής μάθησης για την χάραξη συγκοινωνιακής πολιτικής ταυτόχρονα.Αναλύονται, στη συνέχεια, τα αποτελέσματα που λάβαμε από τις μεθόδους που εφαρμόσαμε και αξιολογούνται η ακρίβεια και η καταλληλότητά αυτών για το παρόν πρόβλημα. Πιο συγκεκριμένα, γίνεται ιστορική αναδρομή σε παλαιότερες μελέτες από τις οποίες μπορούμε να αντλήσουμε πληροφορίες , ενώ στην συνέχεια παρουσιάζεται αναλυτικά το πρόβλημα με το οποίο καταπιάνεται η εργασία. Συνεχίζουμε με την παρουσίαση του συνόλου δεδομένων που χρησιμοποιήθηκε και του τρόπου συλλογής αυτού λεπτομερώς. Έπεται η λεπτομερής ανάλυση και διερευνητική προεπεξεργασία του, έτσι ώστε να είναι δυνατή η πλήρης κατανόησή του και η βέλτιστη αξιοποίησή του. Στη συνέχεια, υλοποιούνται εννέα διαφορετικά μοντέλα μηχανικής μάθησης, τα οποία εκπαιδεύονται με βάση τα δεδομένα. Ακολούθως, παρουσιάζονται και αξιολογούνται τα αποτελέσματα της εφαρμογής τους στα δεδομένα εκπαίδευσης και τα δεδομένα ελέγχου. Τέλος, παρουσιάζονται κάποιες συγκρίσεις των αποτελεσμάτων μας με αποτελέσματα αντίστοιχων ερευνών, εντοπίζονται τα σημεία που επιδέχονται βελτίωση στην μεθοδολογία που ακολουθήθηκε και προτείνονται με βάση αυτά κάποιες μελλοντικές προοπτικές έρευνας για επερχόμενες μελέτες.	el
heal.advisorName	Δουλάμης, Νικόλαος	el
heal.committeeMemberName	Δουλάμης, Νικόλαος	el
heal.committeeMemberName	Κεπαπτσόγλου, Κωνσταντίνος	el
heal.committeeMemberName	Πότσιου, Χρυσή	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Φωτογραμμετρίας	el
heal.academicPublisherID	ntua
heal.numberOfPages	90 σ.	el
heal.fullTextAvailability	false
heal.fullTextAvailability	false