Applied Comparison of Polynomial Regression and Artificial Neural Networks Methods for Prediction of House Prices

Abstract

Due to the rapid economic growth of the real estate sector, the prediction of housing prices is important for future planning. The aim of this study is to predict the potential price of a house using machine learning methods. As machine learning methods, artificial neural networks and polynomial regression were used and their prediction performances were compared. KNIME data analysis platform was used to apply machine learning methods. R Squared performance metric was used to measure the success of the methods. The application results show that the artificial neural network method predicts house prices with higher accuracy than the Polynomial regression method. It is thought that the study will contribute to the development of applications used for home evaluation and to scientific studies in this field. In future studies, it is aimed to expand the study by using different methods or data sets with home attributes.

Keywords

• KNIME
• Machine Learning
• Neural Networks
• Polynomial Regression

Konut Fiyatlarının Tahmini için Polinomsal Regresyon ve Yapay Sinir Ağları Yöntemlerinin Uygulamalı Karşılaştırılması

Abstract

Gayrimenkul sektörünün hızlı ekonomik büyümesi nedeniyle, konut fiyatlarının tahmini geleceğe yönelik planlamalar için önemlidir. Bu çalışmanın amacı makine öğrenmesi yöntemlerini kullanarak bir konutun potansiyel fiyatını tahmin etmektir. Makine öğrenmesi yöntemleri olarak Yapay sinir ağları ve Polinomsal regresyon kullanılarak bunların tahmin performansları karşılaştırılmıştır. Makine öğrenmesi yöntemlerinin uygulanabilmesi için KNIME veri analiz platformu kullanılmıştır. Yöntemlerin başarısını ölçmek için R Kare performans metriği kullanılmıştır. Uygulama sonuçları, Yapay sinir ağları yönteminin Polinomsal regresyon yöntemine göre ev fiyatlarını daha yüksek doğrulukla tahmin ettiğini göstermektedir. Yapılan çalışmanın ev değerlendirilmesi için kullanılan uygulamaların geliştirilmesine ve bu alanda yapılan bilimsel çalışmalara katkı sağlayacağı düşünülmektedir. Sonraki çalışmalarda farklı yöntemler veya ev özniteliklerinin bulunduğu veri setleri kullanılarak çalışmanın genişletilmesi hedeflenmektedir.

Keywords

• KNIME
• Makine Öğrenmesi
• Yapay Sinir Ağları
• Polinomsal Regresyon

References

1. [1] Akay, E.Ç., Topal, K.H., Kizilarslan, S., Bulbul, H. 2019. Türkiye Konut Fiyat Endeksi Öngörüsü: Arıma, Rassal Orman ve Arıma-Rassal Orman. Istanbul Finance Congress, 10, 7-11.
2. [2] Oral, M., Okatan, E., Kırbaş, İ. 2021. Makine Öğrenme Yöntemleri Kullanarak Konut Fiyat Tahmini Üzerine Bir Çalışma: Madrid Örneği. 3 rd International Young Researchers Student Congress, 263-272.
3. [3] Aydemir, E., Aktürk, C., Yalçınkaya, M.A. 2020. Yapay Zekâ ile Konut Fiyatlarının Tahmin Edilmesi. Turkish Studies – Information Technologies and Applied Sciences, 15(2), 183-194.
4. [4] Gülağız, F.K., Ekinci, E. 2017. Farklı Regresyon Analizi Yöntemleri Kullanılarak Ev Fiyatlarının Tahmini. Conference: International Symposium on Industry 4.0 and Applications, 203-207.
5. [5] Yılmazel, Ö., Afşar, A., Yılmazel, S. 2018. Konut Fiyat Tahmininde Yapay Sinir Ağları Yönteminin Kullanılması. UİİİD-IJEAS, 20, 285-300.
6. [6] Hadavandi, E., Ghanbari, A., Mirjani, S.M., Abbasian, S. 2011. An Econometric Panel Data-Based Approach for Housing Price Forecasting in Iran. International Journal of Housing Markets and Analysis, 4(2), 70-83.
7. [7] Phan, D. 2018. Housing Price Prediction Using Machine Learning Algorithms: The Case of Melbourne City, Australia. 2018 International Conference on Machine Learning and Data Engineering (iCMLDE), 35-42.
8. [8] Park, B., Bae, J.K. 2015. Using Machine Learning Algorithms for Housing Price Prediction: The Case of Fairfax County, Virginia Housing Data. Expert Systems with Applications, 42(19), 2928-2934.

9. [9] Teoh, E.Z., Yau, W.C., Ong, T.S., Connie, T. 2022. Explainable Housing Price Prediction with Determinant Analysis. International Journal of Housing Markets and Analysis, 15(5), 1-25.
10. [10] Aksan, C.E. 2022. KNIME Nedir ?. https://ceaksan.com/tr/knime-nedir (Erişim Tarihi: 10.06.2022).
11. [11] Kobaner, C. 2022. KNIME. https://sistek.com.tr/tr/knime-veri-analitigi-platformu-cozum-ortagi/ (Erişim Tarihi: 11.06.2022).
12. [12] Yıldırım, E. 2020. Yapay Sinir Ağı (Artificial Neural Network) Nedir?. https://www.veribilimiokulu.com/yapay-sinir-agiartificial-neural-network-nedir/ (Erişim Tarihi: 28.11.2022).
13. [13] GTech. Yapay Sinir Ağları ve Uygulamaları-1. https://www.gtech.com.tr/yapay-sinir-aglari-ve-uygulamalari-1/ (Erişim Tarihi: 28.11.2022).
14. [14] Şirin, E. 2022. Polinomsal Regresyon: Python ile Uygulama-1. https://www.veribilimiokulu.com/Polinomsal-regresyon-python-uygulama-1/ (Erişim Tarihi: 10.06.2022).
15. [15] Şener, Y. 2022. Polinomsalsal (Polynomial) Regresyon ve Python Uygulaması. https://yigitsener.medium.com/Polinomsalsal-polynomial-regresyon-ve-python-uygulamas%C4%B1-f742fb61a158 (Erişim Tarihi: 18.06.2022).
16. [16] Köseoğlu, B. 2022. Model Performansını Değerlendirmek: Regresyon. https://medium.com/yaz%C4%B1l%C4%B1m-ve-bili%C5%9Fim-kul%C3%BCb%C3%BC/model-performans%C4%B1n%C4%B1-de%C4%9Ferlendirmek-regresyon-48b4afec8664 (Erişim Tarihi: 18.06.2022).
17. [17] Özcan, E. 2007. Kükürt Giderme İşlemi için Kullanılan Malzeme Miktarının Makine Öğrenme Yöntemleri ile Tahmini. Karabük Üniversitesi, Lisansüstü Eğitim Enstitüsü, Yüksek Lisans Tezi, 61s, Karabük.
18. [18] Sevinç, A., Kaya, B. 2021. Derin Öğrenme Yöntemleri ile Sıcaklık Tahmini: Diyarbakır İli Örneği. Journal of Computer Science, 217-225.
19. [19] Kaggle. 2022. House Sales in King County, USA veri seti. https://www.kaggle.com/datasets/harlfoxem/housesalesprediction (Erişim Tarihi: 14.06.2022).
20. [20] Alasmary, F. 2022. linear-regression-numpy. https://github.com/farisalasmary/linear-regression-numpy/blob/master/kc_house_train_data.csv (Erişim Tarihi: 14.06.2022).
21. [21] Fisher, A. 2022. Predicting King County House Prices with Multiple Linear Regression. https://medium.com/analytics-vidhya/predicting-king-county-house-prices-with-multiple-linear-regression-84de5feeafb2 (Erişim Tarihi: 19.06.2022).
22. [22] Farrell, S. 2018. Comparison of Data Mining Models to Predict House Prices. ACADEMIA, 1-9.