$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Formato DC |



Título: STACKED ENSEMBLE MODEL FOR PROPERTY PRICE PREDICTION BASED ON GEOGRAPHICALLY WEIGHTED REGRESSION AND TEXT MINING
Autor: FELIPE ANTONINI MIEHRIG
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):  FERNANDO LUIZ CYRINO OLIVEIRA - ADVISOR
Nº do Conteudo: 51708
Catalogação:  04/03/2021 Idioma(s):  ENGLISH - UNITED STATES
Tipo:  TEXT Subtipo:  SENIOR PROJECT
Natureza:  SCHOLARLY PUBLICATION
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=51708&idi=1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=51708&idi=2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.51708

Resumo:
Automated valuation models (AVMs) are vastly used for property price prediction. However, few explore the underlying potential of text data in real estate classifieds. This project applies the theory behind hedonic models to develop two different prediction approaches that are later combined in a stacked ensemble model. A data set comprising 16693 properties and their asked prices was scraped from one of the biggest real estate agencies in Rio de Janeiro. Using the text mining steps, the classifieds descriptions are vectorized and passed to a Lasso model while a Geographically Weighted Regression (GWR) is estimated using solely numeric variables. Both models are then combined in a two-stage ensemble based on a second stage Linear Regression, which finds the optimal linear combination of the GWR and Lasso predictions. The conclusion of this project leads to promising results in the realm of property price prediction using both structured and unstructured data.

Descrição Arquivo
COMPLETE  PDF  
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui