| Form of studies |
Bachelor |
| Title of the study programm |
Information Technology |
| Title in original language |
Pārraudzīto un nepārraudzīto mašīnmācīšanās metožu pielietojuma izpēte un salīdzināšana Latvijas mājokļu tirgum |
| Title in English |
Analysis and Comparison of Supervised and Unsupervised Machine Learning Methods for Application in Latvian Housing Market |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Inese Poļaka |
| Reviewer |
Olga Kotova |
| Abstract |
Bakalaura darba mērķis ir pielietot un salīdzināt pārraudzītās un nepārraudzītās mašīnmācīšanās metodes otrreizējā Latvijas mājokļu tirgus analīzei. Darba uzdevumi ir: izpētīt literatūras avotus un pētījumus par mājokļu tirgu un mašīnmācīšanās metodēm, izvēlēties metodes, atlasīt datu kopas, kas var attiekties uz mājokļu tirgu, ieviest pārraudzītās un nepārraudzītās mašīnmācīšanās metodes mājokļu cenu prognozēšanai, analizēt metožu rezultātus un salīdzināt metodes, noskaidrot iezīmes, kuras visvairāk ietekmē cenu prognozi. Darbā tiek aprakstītas izmantotās metodes, kas tiek ieviestas, izmantojot Python kodu un ScikitLearn bibliotēkas. Darbā aprakstīta datizrace, iezīmju atlasīšana, izlecošo vērtību tīrīšana un apskatītās metodes ir Lēmuma koki, Gadījuma mežs, Paaugstinātā gradienta lēmumu koks, atbalsta vektoru mašīna, K-tuvāko kaimiņu metode, hierarhiskā klasterēšana, k-vidējo algoritms un DBSCAN. Darbā gaitā tiek iegūtas un apskatītas 173 iezīmes ar vairāk kā 29 tūkstošiem ierakstu datu kopā par nekustamo īpašumu darījumiem. Darbā rezultātā tiek secināts, kādas iezīmes visvairāk ietekmē mājokļu tirgu un vai Latvijā ir iespējams segmentēt mājokļu tirgu. Darbs sastāv no 74 lapaspusēm, 21 tabulas, 42 attēliem un 12 pielikumiem. |
| Keywords |
MAŠĪNMĀCĪŠANĀS, MĀJOKĻU TIRGUS, DATIZRACE, IEZĪMJU ATLASĪŠANA, REGRESIJA, KLASIFIKĀCIJA, KLASTERĒŠANA |
| Keywords in English |
MACHINE LEARNING, HOUSING MARKET, DATA MINING, FEATURE REDUCTION, REGRESSION, CLASSIFICATION, CLUSTERING |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
23.05.2025 15:38:12 |
