Gayrimenkul Piyasasinda Regresyon Yöntemleri ile Veri Madenciligi

Abstract

Gelisen ve küresellesen dünyamizda insanoglu yerlesim ve yerleske üzerindeki tecrübesini her geçen gün farkli metot ve modellerle gelistirmektedir. Asil amaç ev yapmayla beraber evin düsük maliyet ve kaliteli malzeme kullanilarak daha iyi yapilmasidir. Lakin günümüz Türkiye’sinde mühendis ve müteahhitlerin çogu malzeme noktasinda zafiyet gösterirler. Yani yapi insasinda kalitesiz veya eksik malzeme kullanarak yapiyi maliyetin altinda yaparlar ve satis noktasinda degerinin çok fazla üstünde satmaya çalisirlar. Bu durum emlak piyasasinda çok ciddi dengesizliklere davetiye çikarmaktadir. Konut fiyatlarini belirlemek ciddi bir emek ister. Konut fiyatlarinin tespiti için birden fazla istatistik ve kara kutu yöntemler mevcuttur. Bu çalismada Lineer Regresyon, YSA, Gradient Boosting (Gradyen Arttirici Regresyon), Karar Agaçlari yöntemleri kullanilmistir. Amaç metre kare fiyati olarak en yakin sonucu bulmaya çalismaktir. Yapilan istatiksel çalisma ve karsilastirma sonucunda ortalama mutlak hata degerleri küçükten büyüge dogru Karar agaçlari 5.27, Lineer Regresyon 6.06, YSA 13.52 ve Gradient Boosting 14.84 olarak bulunmustur. Dolayisiyla konut maliyet analizlerinde daha az hata payi için Karar agaçlari yöntemini kullanilabilir.

In our developing and globalizing world, human beings are improving their experience of settlements with different methods and models. The main purpose of building a house is to make it better by using low-cost and quality materials. However, in today's Turkey, most engineers and vendors tend to use low-quality materials to maximize their profit. However, they try to sell it much higher than its value. This attitude has been creating serious imbalances in the real estate market. There are several statistics and black box methods to estimate real estate prices. Among them, Linear Regression, ANN, Gradient Boosting and Decision Trees were utilized in this study. The main objective is finding the closest result for the price of a real estate in terms of its square meter. In the statistical study and comparison, the average result absolute error values were changed from smallest to largest as Decision trees 5.27, Linear Regression 6.06, ANN 13.52 and Gradient Boosting 14.84. Therefore, the Decision Trees can be used for less margin of error in construction cost analyses.