ASOS INDEKS
Görüntüleme
7
Gelişen ve küreselleşen dünyamızda insanoğlu yerleşim ve yerleşke üzerindeki tecrübesini her geçen gün farklı metot ve modellerle geliştirmektedir. Asıl amaç ev yapmayla beraber evin düşük maliyet ve kaliteli malzeme kullanılarak daha iyi yapılmasıdır. Lakin günümüz Türkiye’sinde mühendis ve müteahhitlerin çoğu malzeme noktasında zafiyet gösterirler. Yani yapı inşasında kalitesiz veya eksik malzeme kullanarak yapıyı maliyetin altında yaparlar ve satış noktasında değerinin çok fazla üstünde satmaya çalışırlar. Bu durum emlak piyasasında çok ciddi dengesizliklere davetiye çıkarmaktadır. Konut fiyatlarını belirlemek ciddi bir emek ister. Konut fiyatlarının tespiti için birden fazla istatistik ve kara kutu yöntemler mevcuttur. Bu çalışmada Lineer Regresyon, YSA, Gradient Boosting (Gradyen Arttırıcı Regresyon), Karar Ağaçları yöntemleri kullanılmıştır. Amaç metre kare fiyatı olarak en yakın sonucu bulmaya çalışmaktır. Yapılan istatiksel çalışma ve karşılaştırma sonucunda ortalama mutlak hata değerleri küçükten büyüğe doğru Karar ağaçları 5.27, Lineer Regresyon 6.06, YSA 13.52 ve Gradient Boosting 14.84 olarak bulunmuştur. Dolayısıyla konut maliyet analizlerinde daha az hata payı için Karar ağaçları yöntemini kullanılabilir.
In our developing and globalizing world, human beings are improving their experience of settlements with different methods and models. The main purpose of building a house is to make it better by using low-cost and quality materials. However, in today's Turkey, most engineers and vendors tend to use low-quality materials to maximize their profit. However, they try to sell it much higher than its value. This attitude has been creating serious imbalances in the real estate market. There are several statistics and black box methods to estimate real estate prices. Among them, Linear Regression, ANN, Gradient Boosting and Decision Trees were utilized in this study. The main objective is finding the closest result for the price of a real estate in terms of its square meter. In the statistical study and comparison, the average result absolute error values were changed from smallest to largest as Decision trees 5.27, Linear Regression 6.06, ANN 13.52 and Gradient Boosting 14.84. Therefore, the Decision Trees can be used for less margin of error in construction cost analyses.
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
