Makine öğrenme algoritmalarının konut değer tahmininde kullanımı: Ankara Gölbaşı uygulaması

Abstract

Ülkemiz ve dünyada taşınmaz değerinin belirlenmesine olan ihtiyaç her geçen gün artmaktadır. Ülke ekonomisinin de önemli bir parçası olan taşınmaz değerleme çalışmalarına vergilendirme, özelleştirme, kamulaştırma gibi birden fazla uygulamalarda rastlanmaktadır. Taşınmazların değerlemesinde tahmini yaklaşımı bulmak için literatürde birçok çalışma vardır. Bu çalışmalarda uygulama alanlarına göre farklı kriterler kullanılmıştır. Başarı seviyeleri kullanılan kriter ve yöntemlere göre değişiklik göstermektedir. Bu çalışmada; uygulama bölgesi Ankara ili Gölbaşı ilçesinden belirlenen 5 mahalleden taşınmaz türü konut olan 95 adet örneklem toplanmıştır. Bu örneklemleri değerlemede ifade eden kriterleri belirlemek için gerçekleştirilen literatür araştırması sonucunda taşınmazın değerini etkileyen 42 kriter ile ana veri seti oluşturulmuştur. Değerlemede kullanılmak üzere hazırlanan ana veri seti kriter azaltma, veri işlemesi, normalizasyon ve ağırlıklandırma adımları sonrasında farklı veri setleri hazırlanmıştır. Çalışmada açık kaynak kodlu Orange Canvas programı kullanılarak Destek Vektör Makineleri (DVM), Destek Vektör Regresyon (DVR), Çoklu Lineer Regresyon (ÇLR) yöntemleri uygulanmış, uygulama sonucunda elde edilen RMSE, MAE, R2 performans sonuçları karşılaştırılmıştır. Ayrıca hazırlanan veri setlerini kullanarak aynı yöntemlerle taşınmazın değerini etkileyen kriterlerin ağırlıklarını belirleme çalışması da yapılmıştır. Modellerin başarıları karşılaştırıldığında kriterlerin ağırlıklandırılması ile hazırlanan veri setlerinde daha başarılı sonuçlar elde edilmiştir. Uygulanan yöntemler arasında DVM yöntemi ile elde edilen performans sonuç değerlerinin diğer yöntemlere göre daha başarılı olduğu gözlemlenmiş olup DVR yöntemininde de çok yakın sonuçlara ulaşıldığı gözlemlenmiştir. Taşınmazın değerine etki eden kriterlerin ağırlık analizlerinde ise her bir veri setinde ve uygulanan her yönteme göre kriterlerin ağırlıkları farklılık gösterdiği görülmüştür. Sonuç olarak bu çalışmada kullanılan DVM, DVR ve ÇLR yöntemleri taşınmaz değerlemede kullanılan klasik yöntemlere karşı alternatif değerleme yöntemi olarak kullanılabilirliği ortaya konulmuş ayrıca toplu değerleme sistemi oluşturma konusunda DVM'nin kullanılabilir olduğu tespit edilmiştir. Anahtar Kelimeler: Çoklu Lineer Regresyon, Destek Vektör Makineleri, Destek Vektör Regresyon, Değerleme, Makine Öğrenme, Taşınmaz Değerleme, Taşınmaz Kriterleri.

The need for determining the value of real estate in our country and in the world is increasing day by day. Real estate appraisal studies, which are an important part of the national economy, are encountered in many applications such as taxation, privatization and expropriation. There are many studies in the literature to find the estimation approach in the valuation of immovable properties. Various criteria were used in these studies according to their application areas. Their success levels vary according to the criteria and methods used. In this study; 95 samples of housing were collected from 5 neighborhoods determined from Gölbaşı district of Ankara province. As a result of the literature research carried out to determine the criteria expressing these samples in the appraisal, the main data set was created with 42 criteria that are affecting the value of the real estate. The main data set prepared for valuation; different data sets were prepared after criteria reduction, data processing, normalization and weighting steps. In this study, Support Vector Machines (SVM), Support Vector Regression (SVR), Multiple Linear Regression (MLR) methods were applied by using open source Orange Canvas program and RMSE, MAE, R2 performance results obtained from the application were compared. In addition, using the data sets prepared, the same methods were used to determine the weights of the criteria affecting the value of the property. When the success of the models were compared, more successful results were obtained in the data sets prepared by weighting the criteria. Among the applied methods, it was observed that the performance result values obtained by the SVM method were more successful than the other methods and it was observed that the SVR method also reached very close results. In the weight analysis of the criteria that affect the value of the immovable, it was seen that the weight of the criteria varied in each data set and each method applied. As a result, the usability of SVM, SVR and MLR methods used in this study has been demonstrated that is an alternative valuation method against classical methods used in real estate appraisal. It has also been found that SVM can be used to create a collective valuation system.Keywords: Machine Learning, Multi Lineer Regression, Real estate valuation, Real Estate Criteria, Support Vector Machine, Support Vector Regression, Valuation.