Искусственный интеллект в оценке стоимости — различия между версиями

Материал из wiki по квалификационному экзамену Оценщиков
Перейти к: навигация, поиск
(I've added some my new papers.)
(Добавлен материал "Обработка выбросов в рыночных данных")
Строка 29: Строка 29:
 
1. Краткое введение в различия между частотным и байесовским подходами к вероятности в оценке стоимости
 
1. Краткое введение в различия между частотным и байесовским подходами к вероятности в оценке стоимости
 
(http://kvalexam.ru/images/7/78/Frequentist-and-Bayesian-probability.pdf)
 
(http://kvalexam.ru/images/7/78/Frequentist-and-Bayesian-probability.pdf)
 +
 
2. Обоснование необходимости вычитания единицы при расчёте выборочной дисперсии
 
2. Обоснование необходимости вычитания единицы при расчёте выборочной дисперсии
 
(https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Sample-variance/Sample-variance-subtract-one.md)
 
(https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Sample-variance/Sample-variance-subtract-one.md)
 +
 
3. Практическое применения U-критерия Wilcoxon-Mann-Whitney в оценочной деятельности
 
3. Практическое применения U-критерия Wilcoxon-Mann-Whitney в оценочной деятельности
 
(https://github.com/Kirill-Murashev/AI_for_valuers_book/tree/main/Parts-Chapters/Mann-Whitney-Wilcoxon)
 
(https://github.com/Kirill-Murashev/AI_for_valuers_book/tree/main/Parts-Chapters/Mann-Whitney-Wilcoxon)
 +
 
4. Приведение данных, имеющих распределение отличного от нормального, к нормальному путём преобразования Box-Cox
 
4. Приведение данных, имеющих распределение отличного от нормального, к нормальному путём преобразования Box-Cox
 
(https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Box-Cox-R/Box-Cox-transformation.md)
 
(https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Box-Cox-R/Box-Cox-transformation.md)
 +
 +
5. Обработка выбросов в рыночных данных (https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Outliers-handling/Outliers.ipynb)

Версия 19:22, 12 ноября 2022

Искусственный интеллект в оценке стоимости

Цель: разработка систем поддержки принятия решений при оценке стоимости, основанных на искусственном интеллекте.

Задачи:

  1. автоматизированный сбор данных;
  2. геокодирование;
  3. описание свойств рынка;
  4. проверка статистических гипотез о свойствах рынка;
  5. задачи классификации: кластерный анализ, метод k-средних и т. д.;
  6. задачи снижения размерности;
  7. методы параметрической статистики: анализ корреляции, регрессионный анализ и т. д.;
  8. методы непараметрической статистики: анализ корреляции, регрессионный анализ и т. д.;
  9. методы машинного обучения: решающие деревья, их леса, градиентный бустинг.
  10. нейронные сети: перцептрон, свёрточные.

Обсуждение: https://www.facebook.com/groups/1977067932456703/?ref=share

Материалы: Statistics, Machine Learning, Data Mining and Artificial Intelligence in Valuation

git clone https://github.com/Kirill-Murashev/AI_for_valuers_book

git clone https://github.com/Kirill-Murashev/AI_for_valuers_R_source

git clone https://github.com/Kirill-Murashev/AI_for_valuers_Python_source

Отдельные работы: 1. Краткое введение в различия между частотным и байесовским подходами к вероятности в оценке стоимости (http://kvalexam.ru/images/7/78/Frequentist-and-Bayesian-probability.pdf)

2. Обоснование необходимости вычитания единицы при расчёте выборочной дисперсии (https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Sample-variance/Sample-variance-subtract-one.md)

3. Практическое применения U-критерия Wilcoxon-Mann-Whitney в оценочной деятельности (https://github.com/Kirill-Murashev/AI_for_valuers_book/tree/main/Parts-Chapters/Mann-Whitney-Wilcoxon)

4. Приведение данных, имеющих распределение отличного от нормального, к нормальному путём преобразования Box-Cox (https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Box-Cox-R/Box-Cox-transformation.md)

5. Обработка выбросов в рыночных данных (https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Outliers-handling/Outliers.ipynb)