Использование аналитической платформы Deductor для оценки недвижимости
Пояснительная записка: 73с., 58 Рисунок, 1 табл., 10 источник, 2 прил.
Цель данной работы заключается в использовании аналитической платформы Deductor в оценке недвижимости.
Задачи данной работы:
- выявить основные способы оценки недвижимости;
- рассмотреть платформы аналитики для анализа недвижимости;
- ознакомиться с платформой Deductor;
- реализовать на платформе Deductor 3 метода анализа данных недвижимости.
Объектом работы является сбор данных и анализ недвижимости города Екатеринбург.
Предметом работы является выявление влияния закономерности параметров на ценовую политику недвижимости, а также выявления лишних параметров из базы данных.
1 ОПИСАНИЕ ПРЕДМЕТНОЙ ОБЛАСТИ.. 8
1.1 Оценка стоимости городской недвижимости. 8
1.1.1 Основные понятия оценки недвижимости. 8
1.1.2 Подход сравнения продаж.. 9
1.1.4 Подход капитализации доходов. 12
1.1.5 Итог анализа методов оценки недвижимости. 12
1.2 Интеллектуальный анализ данных в задаче оценке недвижимости. 13
1.3 Обзор методов Data Mining для анализа данных. 15
2 АНАЛИЗ ВОЗМОЖНОСТЕЙ ПРОГРАММНОЙ СРЕДЫ DEDUCTOR.. 19
2.1 Обзор программ, реализующих алгоритмы Data Mining. 19
2.2 Описание функций и обоснование выбора программы Deductor 25
3 РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДОВ АНАЛИЗА ДАННЫХ В ЗАДАЧЕ ОЦЕНКИ НЕДВИЖИМОСТИ.. 28
3.1 Реализация метода предсказательной аналитики. 28
3.2 Реализация метода корреляционного анализа. 46
3.3 Реализация метода предсказания линейной регрессии. 50
4 ОХРАНЫ ТРУДА, БЕЗОПАСНОСТЬ ЖИЗНЕДЕЯТЕЛЬНОСТИ И ГРАЖДАНСКАЯ ОБОРОНА.. 56
4.1.1 Анализ характеристик и потенциальных опасностей объекта проектирования 56
4.1.2 Выбор мероприятий для создания безопасных условий труда. 58
4.1.2.1 Расчет воздухообмена. 60
4.1.3 Обеспечение пожарной безопасности. 62
4.2 Вопросы безопасности жизнедеятельности. 63
4.3 Вопросы гражданской обороны.. 65
1. Investopedia. [Электронный ресурс]. – Режим доступа : https://www.investopedia.com/articles/realestate/12/real-estate-valuation.asp
2. Антилл, Н. Оценка компаний. Анализ и прогнозирование с использованием отчетности по МСФО / Н. Антилл, Л. Кеннет – М.: Альпина Паблишер, 2017. – 442с.
3. Тарасевич, Е. И. Экономика недвижимости / Е. И. Тарасевич – М.: МКС, 2007. – 583с.
4. Миркин, Б. Г. Введение в анализ данных. Учебник и практикум / Б.Г. Миркин. – М.: Юрайт, 2014. – 176 c.
5. Миркин, Б.Г. Введение в анализ данных. Учебник и практикум для бакалавриата и магистратуры / Б.Г. Миркин. – М.: Юрайт, 2014. – 202 c.
6. Наследов, Андрей IBM SPSS Statistics 20 и AMOS. Профессиональный статистический анализ данных / Андрей Наследов. – М.: Питер, 2013. – 416 c.
7. Просветов, Георгий Иванович Анализ данных с помощью EXCEL. Задачи и решения. Учебно-практическое пособие / Просветов Георгий Иванович. – М.: Альфа-пресс, 2016. – 21 c.
8. Рафалович, Владимир Data mining, или Интеллектуальный анализ данных для занятых. Практический курс / Владимир Рафалович. – М.: И-Трейд, 2014. - 102 c.
9. Тюрин, Ю. Н. Анализ данных на компьютере. Учебное пособие / Ю.Н. Тюрин, А.А. Макаров. – М.: МЦНМО, 2016. – 368 c.
10. Тюрин, Ю.Н. Анализ данных на компьютере. Учебное пособие / Ю.Н. Тюрин. – М.: Форум, 2014. – 700 c.
11. Методы анализа данных: Подход, основанный на методе динамических сгущений. – М.: Финансы и статистика, 1985. – 357 c.
12. Наталья, Новоселова und Игорь Том Методы анализа данных экспрессии генов / Наталья Новоселова und Игорь Том. – М.: LAP Lambert Academic Publishing, 2012. – 633 c.
13. Наталья, Семенчук und Игорь Степаненко Интеллектуальный анализ данных для полиграфического предприятия: моногр. / Наталья Семенчук und Игорь Степаненко. – М.: LAP Lambert Academic Publishing, 2014. – 330 c.
14. Рафалович, Владимир Data mining, или Интеллектуальный анализ данных для занятых. Практический курс / Владимир Рафалович. – М.: И-Трейд, 2014. – 678 c.
Рзаев, Рамин Интеллектуальный анализ данных в системах поддержки принятия решений / Рамин Рзаев. – М.: LAP Lambert Academic Publishing, 2013. – 136 c.
