ПРОГНОЗУВАННЯ ЦІН НА РИНКУ ОРЕНДИ ЖИТЛА З ВИКОРИСТАННЯМ МЕТОДІВ МАШИННОГО НАВЧАННЯ

Анотація

В роботі проведено дослідження факторів ціноутворення на ринку короткострокової оренди житла. У якості об’єкта дослідження обрано компанію Airbnb, що являє собою площадку для розміщення, пошуку та оренди житлових приміщень по всьому світу. На початок 2021 р. компанія налічує пропозиції 7 мільйонів житлових приміщень з більш ніж 220 країн світу. Чималу роль в успіху компанії відіграє використання методів Data Science. Одним з ключових алгоритмів компанії є алгоритм ціноутворення. З використанням функції «Рекомендації за цінами» власник житла може проаналізувати які дати швидше за все будуть заброньовані за поточною ціною, а які ні, та сформувати вигідну пропозицію. Система вираховує рекомендовану вартість житла на підставі сотень параметрів, деякі з яких легко розпізнати, однак є й менш очевидні фактори, що також можуть впливати на попит. В роботі запропоновано алгоритм виявлення неявних факторів ціноутворення на ринку короткострокової оренди з використанням методів машинного навчання, що включає: 1) збір та первинну обробку даних; 2) побудову та аналіз моделей лінійної регресії; 3) побудову та аналіз моделей нелінійної регресії. Дослідження проведено на прикладі об’яв з сайту Airbnb у штатах Вашингтон та Нью-Йорк з використанням програмних скриптів, які розроблено на Python. Побудовано та проаналізовано наступні моделі: однофакторна лінійна регресія, багатофакторна лінійна регресія, поліноміальна регресія, дерева рішень, випадковий ліс та бустинг. Результати дослідження показали, що найважливішими є фактори accommodates, cleaning_fee, room_type, bedrooms. Але виходячи з показників якості моделювання, отримані моделі не можна використовувати для впровадження: лінійні моделі мають невисоку якість, тоді як випадковий ліс, бустінг та дерева перенавчені. Але отримані результати можуть використовуватися при проведенні бізнес-аналізу.