Разработка многофункционального приложения для оценки стоимости жилых помещений в Москве и Московской области
В данной выпускной квалификационной работе была выполнена разработка многофункционального приложения для оценки стоимости жилых помещений в Москве и Московской области. Приложение использует методы машинного обучения для точной оценки стоимости недвижимости, что актуально в условиях постоянно меняющегося рынка. Работа имеет важное практическое значение для риэлторов, покупателей, инвесторов и аналитиков рынка недвижимости, предоставляя им объективную информацию для принятия обоснованных решений.
В процессе работы были достигнуты результаты по сбору данных о рынке недвижимости, которые прошли предварительную обработку и очистку для последующего анализа; выбрана и обучена модель машинного обучения на алгоритме адаптивного бустинга, что позволило получить высокоточные прогнозы стоимости недвижимости; создан удобный и интуитивно понятный интерфейс на основе библиотеки PyQt5, обеспечивающий пользователям доступ к функционалу приложения. Все поставленные задачи были выполнены в полном объёме, что подтверждает эффективность и надёжность разработанного приложения.
Для дальнейшего развития приложения следует разработать версию для мобильных устройств, что позволит пользователям получать доступ к функционалу в любое время и в любом месте. Необходимо добавить функции выбора местоположения на карте для визуальной оценки расположения объектов недвижимости и получения информации о стоимости квартир в различных районах. Также важно внедрить функционал отображения актуальных объявлений о продаже недвижимости поблизости, исходя из текущего местоположения пользователя.
Эти улучшения сделают приложение ещё более полезным и востребованным инструментом для всех участников рынка недвижимости, обеспечивая им доступ к полной и актуальной информации в удобном формате.
ГЛАВА 1. Теоретические основы ОЦЕНКИ СТОИМОСТИ квартир по характеристикам в машинном обучении.. 9
1.1 РЫНОК НЕДВИЖИМОСТИ СЕГОДНЯ.. 9
1.2 Преимущества использования МАШИННОГО ОБУЧЕНИЯ при оценивании стоимости квартир. 10
1.3 Обзор существующих способов ОЦЕНКИ ЖИЛОЙ ПЛОЩАДИ.. 11
1.3.1 Сайты для ОЦЕНКИ стоимости недвижимости.. 11
1.3.2 Приложения для оценки стоимости недвижимости.. 14
1.3.3 Библиотеки Python по ОЦЕНКЕ ЖИЛЬЯ.. 16
1.4 Этапы СОЗДАНИЯ ПРИЛОЖЕНИЯ ПО ОЦЕНКЕ НЕДВИЖИМОСТИ.. 17
ГЛАВА 2. РАЗРАБОТКА ПРИЛОЖЕНИЯ ПО оценке стоимости КВАРТИР. 20
2.1 Сбор и исследование данных о рынке недвижимости.. 20
2.1.1 Сбор характеристик недвижимости через библиотеку CianParser.. 20
2.1.2 СБОР ДОПОЛНИТЕЛЬНЫХ ЗНАЧЕНИЙ НЕДВИЖИМОСТИ.. 21
2.1.3 СБОР ИЗМЕНЕНИЙ СТОИМОСТИ НА НЕДВИЖИМОСТЬ. 23
2.2 Предварительная обработка и очистка данных.. 24
2.3 Обзор популярных методов машинного обучения.. 31
2.3.1 МЕТОД АДАПТИВНОГО БУСТИНГА.. 31
2.3.2 Регрессия случайным лесом... 32
2.3.3 Метод градиентного бустинга.. 33
2.3.4 Метод градиентного бустинга С АКЦЕНТОМ НА ОБРАБОТКу категориальных признаков.. 34
2.4 Подбор параметров и обучение моделей.. 34
2.5 Анализ результатов и выбор наилучшей модели.. 35
2.6 Экспорт модели, динамики цен и словарей с взаимосвязями.. 36
2.7 РАЗРАБОТКА ИНТЕРФЕЙСА ПРИЛОЖЕНИЯ.. 39
2.7.1........ ПРОЕКТИРОВАНИЕ концепции и функциональных требований к ПРИЛОЖЕНИЮ... 39
2.7.2 РАЗРАБОТКА ПОЛЬЗОВАТЕЛЬСКОГО ИНТЕРФЕЙСА.. 42
2.7.3 РЕАЛИЗАЦИЯ ФУНКЦИЙ ИНТЕРФЕЙСА С ИСПОЛЬЗОВАНИЕМ библиотеки PYQT5. 45
2.8 ТЕСТИРОВАНИЕ И КОМПИЛЯЦИЯ ПРОГРАММЫ.. 53
ГЛАВА 3. Технико-экономическое обоснование проекта.. 55
3.1 себестоимость РАЗРАБОТКИ ПРОГРАММНОГО ПРОДУКТА.. 55
3.2 Сметная себестоимость темы.. 57
3.3 суммарно планируемое использование компьютера при выполнении работ. 61
ГЛАВА 4. Охрана труда и информационная безопасность. 68
