Please use this identifier to cite or link to this item:
https://dspace.ctu.edu.vn/jspui/handle/123456789/38768
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Phạm, Sơn Tùng | - |
dc.contributor.author | Võ, Phi Sơn | - |
dc.date.accessioned | 2020-11-03T00:44:48Z | - |
dc.date.available | 2020-11-03T00:44:48Z | - |
dc.date.issued | 2020 | - |
dc.identifier.issn | 0866-8762 | - |
dc.identifier.uri | https://dspace.ctu.edu.vn/jspui/handle/123456789/38768 | - |
dc.description.abstract | Bài báo sẽ thảo luận về việc ứng dụng các thuật toán học máy (Machine Learning - ML) để dự báo giá nhà ở tương lai dựa trên các dữ liệu thiên tai. Giá nhà là yếu tố phản ánh quan trọng của nền kinh tế và sự biến động giá nhà luôn là mối quan tâm hàng đầu của cả người mua và các đại lý địa ốc. Giá nhà sẽ được dự đoán dựa trên nhiều khía cạnh hay tính chất của căn nhà. Mục đích của bài báo là cung cấp cho giới đầu tư bất động sản cũng như người mua nhà một cái nhìn tổng quan về một công cụ mới và hữu ích cho việc ước tính chính xác giá của một ngôi nhà theo các yêu cầu yêu cầu cho trước. Bài báo lựa chọn 3 thuật toán ML để xây dựng mô hình đó là cây quyết định (Decision Tree), rừng ngẫu nhiên (Random Forest) và tăng độ dốc (Gradient Boosting Machines). Kết quả của nghiên cứu đề xuất một mô hình dự báo giá nhà để hỗ trợ người bán cũng như người mua có được thông tin tốt hơn để định giá giá trị nhà. | vi_VN |
dc.language.iso | vi | vi_VN |
dc.relation.ispartofseries | Tạp chí Xây dựng Việt Nam;Số 622 .- Tr.135-140 | - |
dc.subject | Học máy | vi_VN |
dc.subject | Dự báo giá nhà | vi_VN |
dc.subject | Phương pháp cây quyết định | vi_VN |
dc.subject | Phương pháp rừng ngẫu nhiên | vi_VN |
dc.subject | Phương pháp tăng độ dốc | vi_VN |
dc.title | Áp dụng các thuật toán học máy để dự báo giá nhà (House Price Prediction using Machine Learning) | vi_VN |
dc.type | Article | vi_VN |
Appears in Collections: | Xây dựng |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
_file_ Restricted Access | 2.05 MB | Adobe PDF | ||
Your IP: 18.219.127.59 |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.