Modell for prediksjon av eiendomspriser i Oslo

Formålet med denne oppgaven var å bruke maskinlæring til å lage en modell for å kunne predikere eiendomspriser i Oslo. En typisk modell å bruke for prispredikering er hedonisk prismodell. Med bakgrunn i dette har vi også valgt å se på hedonisk prismodell, både som sammenligningsgrunnlag og for å bedre forstå hvordan prispredikering vanligvis foregår. For å utvikle modellene våre har vi brukt nevrale nettverk og hedonisk regresjon. Datasettet vårt inneholdt mange datapunkter og vi har begrenset modellen våres en del. Dette betyr også at bruksområdene til modellene er begrenset. Vi har utviklet to modeller med nevrale nettverk, hvor den ene har en makspris på bolig på 15 millioner kroner (ordinær modell), mens den andre har en makspris på 5 millioner kroner (modell for førstegangskjøper). Når vi begrenser maksprisen til 5 millioner kroner ser vi på boliger som kanskje er mest interessante for førstegangskjøpere. Videre har vi utviklet to modeller hvor vi har brukt hedonisk metode. Den ene modellen er det brukt multippel regresjon uten noen tilpasninger, med de samme begrensningene som er benyttet i ordinær modell. I den andre modellen er det gjort en logaritmisk transformasjon av den avhengige variabelen, og dataen er begrenset på samme måte som i modell for førstegangskjøpere. Vi fikk svært lovende resultater fra modellene, hvorpå den ene modellen hadde en R2- score opp mot 90%. Konklusjonen fra denne oppgaven er at hvilken modell som er best, avhenger av bruksområdet som modellen benyttes til. Ønsker man en modell hvis virkemåte er enkel å forstå bør man velge en av modellene som benytter hedonisk regresjon, mens modellene som benytter nevrale nettverk gir økt presisjon. Er presisjon særlig viktig, bør man velge en av modellene med utvidete begrensninger i dataene, og vice versa.