머신러닝 기반 오피스텔 적정가 자동 산정 기법 (Automated Valuation Method for Studio Apartments Using Machine Learning Techniques)

서지정보

· 발행기관 : 한국실천공학교육학회
· 수록지 정보 : 실천공학교육논문지 / 16권 / 6호 / 971 ~ 980페이지
· 저자명 : 조진형

초록

본 연구의 목적은 최근 증가하고 있는 1인 가구 및 프리랜서들을 위한 사무실 겸 주거지로서 중요한 역할을 담당하면서도 부 동산 데이터 분석 관련 연구 분야에서 다소 소외되어온 오피스텔의 적정 가치 산정을 위해 다양한 머신러닝 기법들을 적용하여 적정가치를 예측하는 기법을 제시하고 각 기법의 예측 결과를 체계적으로 분석하는 것이다. 이와 더불어 특정 지역 내 오피스 텔 가격에 영향을 주는 속성을 도출하는 과정을 진행하였다. 서울시 6개 자치구의 2021년부터 2023년까지 수집된 오피스텔 실 제 매매 데이터를 사례로 하여 다중 회귀 분석, 랜덤 포레스트, XG 부스팅, 딥러닝 기법 등 4가지 머신러닝 기법의 예측 능력을 비교하였으며, 오피스텔의 가격을 산정하는 작업에 있어 우수한 성능을 보이는 기법을 도출하고자 하였다. 이 연구 결과는 특 정 지역의 데이터 셋을 바탕으로 하였으나, 향후 다양한 지역 및 유형의 부동산 매물에 적용 가능한 예측 모델을 개발하고자 하 였다.

영어초록

The purpose of this study is to systematically analyze and investigate the process of utilizing various machine learning techniques in determining the appropriate value of studio apartments, which play a crucial role as combined office and residential spaces for the increasing number of single-person households and freelancers. Additionally, it aims to identify and preprocess key attribute variables influencing the formation of studio apartment prices within a specific region. Using actual transaction data collected from studio apartments, the predictive capabilities of four machine learning methods-Multiple Regression Analysis (MRA), Random Forest (RF), XG Boosting, and Deep Learning-are compared and analyzed. The objective is to derive machine learning techniques that demonstrate superior predictive performance in evaluating and estimating the prices of studio apartments. While the findings of this research are based on a specific dataset, the study aims to develop predictive models applicable to various regions and types of real estate listings in the future.

참고자료

· 없음