Vorhersage der Immobilienpreise

Ziel dieser Arbeit ist es, die Leistung der grauen relationalen Analyse bei der Vorhersage der Immobilienpreise für den taiwanesischen Immobilienmarkt zu bewerten. Ein instanzbasierter Ansatz, der den k-nearest neighbor classifier verwendet, wurde ebenfalls zum Leistungsvergleich herangezogen. Die graue relationale Analyse wurde modifiziert, um die gewichtete Synthese der zehn besten übereinstimmenden Instanzen durch verschiedene Gewichtungsstrategien zu berechnen. Die experimentellen Ergebnisse in diesem Papier ergaben, dass die graue relationale Analyse den instanzbasierten Ansatz in Bezug auf den mittleren absoluten Fehler, den mittleren quadratischen Fehler und den relativen absoluten Fehler übertraf. Darüber hinaus schnitt die Synthesestrategie mit absteigender Gewichtung während des Integrationsprozesses der übereinstimmenden Instanzen besser ab als die Mittelwertbildung der Gewichte. Das Ergebnis deutet auch darauf hin, dass die Leistung leicht abnimmt, wenn die zehn besten übereinstimmenden Instanzen auf fünf Instanzen reduziert werden. Die graue relationale Analyse in Verbindung mit dem gewichteten Synthesemodell kann sowohl Käufern als auch Eigentümern dabei helfen, Chancen zu erkennen und die potenziellen Risiken in einem sich verschlechternden Immobilienmarkt abzuschätzen.