Gayrimenkul Değerlemesinde Yapay Sinir Ağlarının Kullanılması
Abstract views: 157
/ 
PDF downloads: 105
DOI:
https://doi.org/10.59287/ijanser.721Keywords:
Tasarruf Finansmanı, Eminevim, Gayrimenkul Değerleme, Makine Öğrenmesi, Yapay Sinir AğlarıAbstract
Taşınmaz malları değerleme vergilendirme, kredi gibi birçok finansal alanı ilgilendiren, önemi gün geçtikçe artan bir çalışma alanı olarak ortaya çıkmıştır. Taşınmaz değerleme gibi, sosyal ve ekonomik koşullara göre zaman içerisinde değişkenlik gösteren zor bir problemde, değerlemenin doğru ve objektif olarak yapılabilmesi için gelişmiş sistemlerin kullanımı zorunlu hale gelmiştir. Değerlemeye etki eden birçok parametrenin varlığı ve işlenmesi gereken büyük boyutta veri de göz önüne alındığında, klasik yöntemlerin aksine insan zekasına yakın yorumlar yapabilen makine öğrenmesi methodlarının kullanımına ihtiyaç duyulmaktadır.
Bu çalışmanın amacı, tasaruf finansmanı sektöründe faaliyet gösteren firmalar için gayrimenkul ekspertiz ve değerleme süreçlerinde kullanılmak üzere, makine öğrenmesi yöntemlerinden yapay sinir ağı tabanlı bir sistem önerisi sunulmasıdır. Önerilen sistemin değerleme sürecinde, Türkiye’de yaygın kullanılan ilan sitelerindeki gayrimenkul bilgilerinden yola çıkılarak, en doğru değerlemenin yapılabilmesi için uzmana bir karar desteği sağlaması hedeflenmektedir. Elde edilen sonuçlara göre önerilen sistemin, 0.86 ve 0.85 başarı değerlerine ulaştığını ve başarılı bir gayrimenkul değerleme sistemi olduğu belirlenmiştir.
Downloads
References
P. A. Arvanitidis, “The economics of urban property markets: An institutional economics analysis,” The Economics of Urban Property Markets: An Institutional Economics Analysis, pp. 1–252, Jan. 2014, doi: 10.4324/9781315758770.
J. Frew and G. D. Jud, “Estimating the value of apartment buildings,” Journal of Real Estate Research, vol. 25, no. 1, pp. 77–86, Jan. 2003, doi: 10.1080/10835547.2003.12091101.
C. Fan, Z. Cui, and X. Zhong, “House prices prediction with machine learning algorithms,” ACM International Conference Proceeding Series, pp. 6–10, Feb. 2018, doi: 10.1145/3195106.3195133.
K. Y. Ngiam and I. W. Khor, “Big data and machine learning algorithms for health-care delivery,” Lancet Oncol, vol. 20, no. 5, pp. e262–e273, May 2019, doi: 10.1016/S1470-2045(19)30149-4.
P. Harrington, “Machine Learning in Action,” Mach Learn, vol. 37, no. 3, pp. 1–20, 2012.
Ethem Alpaydın, Introduction to Machine Learning. The MIT Press, 2004.
N. J., “Review on the Application of Artificial Neural Networks in Real Estate Valuation,” International Journal of Advanced Trends in Computer Science and Engineering, vol. 9, no. 3, pp. 2918–2925, 2020.
W. T. Lim, L. Wang, Y. Wang, and Q. Chang, “Housing price prediction using neural networks,” 2016 12th International Conference on Natural Computation, Fuzzy Systems and Knowledge Discovery, ICNC-FSKD 2016, pp. 518–522, Oct. 2016, doi: 10.1109/FSKD.2016.7603227.
W. K. O. Ho, B. S. Tang, and S. W. Wong, “Predicting property prices with machine learning algorithms,” https://doi.org/10.1080/09599916.2020.1832558, vol. 38, no. 1, pp. 48–70, 2020, doi: 10.1080/09599916.2020.1832558.
S. O.Farrell, “House Price Prediction,” Comparison of Data Mining Models to Predict House Prices, Jan. 2018.
R. Manjula, S. Jain, S. Srivastava, and P. Rajiv Kher, “Real estate value prediction using multivariate regression models,” IOP Conf Ser Mater Sci Eng, vol. 263, no. 4, p. 042098, Nov. 2017, doi: 10.1088/1757-899X/263/4/042098.
A. Nur, R. Ema, H. Taufiq, and W. Firdaus, “Modeling House Price Prediction using Regression Analysis and Particle Swarm Optimization Case Study : Malang, East Java, Indonesia,” International Journal of Advanced Computer Science and Applications, vol. 8, no. 10, 2017, doi: 10.14569/IJACSA.2017.081042.
E. Ahmed and M. Moustafa, “House price estimation from visual and textual features,” NCTA, 8th International Conference on Neural Computation Theory and Applications, Sep. 2016.
B. Park and J. Kwon Bae, “Using machine learning algorithms for housing price prediction: The case of Fairfax County, Virginia housing data,” Expert Syst Appl, vol. 42, no. 6, pp. 2928–2934, Apr. 2015, doi: 10.1016/J.ESWA.2014.11.040.
A. Makalesi, C. Sertkaya, and S. Akçay, “Giysi Endüstrisinde Üretim Performansının Tahmininde Yapay Sinir Ağlarının Kullanılması,” European Journal of Science and Technology, vol. 28, no. 28, pp. 34–39, Nov. 2021, doi: 10.31590/EJOSAT.979656.
G. Aksu, C. O. Güzeller, and M. T. Eser, “The Effect of the Normalization Method Used in Different Sample Sizes on the Success of Artificial Neural Network Model,” International Journal of Assessment Tools in Education, pp. 170–192, Apr. 2019, doi: 10.21449/IJATE.479404.
I. S. H. Bahia, “A Data Mining Model by Using ANN for Predicting Real Estate Market: Comparative Study,” Int J Intell Sci, vol. 03, no. 04, pp. 162–169, 2013, doi: 10.4236/IJIS.2013.34017.
“Bölüm 3 : Yapay Sinir Ağları (MatLab) Artificial Neural Network.” https://slideplayer.biz.tr/slide/11225843/ (accessed May 12, 2023).
S. McGreal, A. Adair, D. McBurney, and D. Patterson, “Neural networks: the prediction of residential values,” Journal of Property Valuation and Investment, vol. 16, no. 1, pp. 57–70, Mar. 1998, doi: 10.1108/14635789810205128.
C. Sertkaya and N. Yurtay, “Artificial immune system based wastewater parameter estimation,” Turkish Journal of Electrical Engineering and Computer Sciences, vol. 26, no. 6, pp. 3356–3366, Jan. 2018, doi: 10.3906/elk-1503-206.
A. Makalesi, C. Sertkaya, and S. Akçay, “Giysi Endüstrisinde Üretim Performansının Tahmininde Yapay Sinir Ağlarının Kullanılması,” Avrupa Bilim ve Teknoloji Dergisi, vol. 28, no. 28, pp. 34–39, Nov. 2021, doi: 10.31590/EJOSAT.979656.
