| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Pārraudzīto un nepārraudzīto mašīnmācīšanās metožu pielietojuma izpēte un salīdzināšana Latvijas mājokļu tirgum |
| Nosaukums angļu valodā |
Analysis and Comparison of Supervised and Unsupervised Machine Learning Methods for Application in Latvian Housing Market |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Inese Poļaka |
| Recenzents |
Olga Kotova |
| Anotācija |
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. |
| Atslēgas vārdi |
MAŠĪNMĀCĪŠANĀS, MĀJOKĻU TIRGUS, DATIZRACE, IEZĪMJU ATLASĪŠANA, REGRESIJA, KLASIFIKĀCIJA, KLASTERĒŠANA |
| Atslēgas vārdi angļu valodā |
MACHINE LEARNING, HOUSING MARKET, DATA MINING, FEATURE REDUCTION, REGRESSION, CLASSIFICATION, CLUSTERING |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
23.05.2025 15:38:12 |
