Искусственный интеллект в оценке стоимости

Материал из wiki по квалификационному экзамену Оценщиков
Перейти к: навигация, поиск

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)

6. Электронная таблица для преобразования рыночных данных по методу Box-Cox, а также вычисления оптимального значения лямбда (https://web.tresorit.com/l/gMSV3#lZ4ZYpX6SWR9mWF1GK3bVg)

7. Электронная таблица для проверки нормальности распределения рыночных данных (на данный момент реализованы методы Шапиро-Уилка, Андерсона-Дарлинга, Харке-Бера, Колмогорова-Смирнова, Хи-квадрат) (https://drive.google.com/file/d/1Ft8VtvlpXALMmcqExKipWgD_bGZwK5r1/view?usp=sharing)

8. Электронная таблица для расчёта трёх коэффициентов корреляции: Пирсона, Спирмена, Кендалла (https://drive.google.com/file/d/1hqxxA4_7HjkisNTEi4-fKaQnvcmKBXVi/view?usp=sharing)