Sökning: "House Price Prediction"

Visar resultat 1 - 5 av 6 uppsatser innehållade orden House Price Prediction.

  1. 1. Enhancing House Rental Price Prediction Models for the Swedish Market : Exploring External features, Prediction intervals and Uncertainty Management in Predicting House Rental Prices

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Vasigaran Senthilkumar; [2023]
    Nyckelord :;

    Sammanfattning : Exakt förutsägelse av hyrespriserna för hus är ett avgörande problem i verkligheten fastighetsdomän, vilket underlättar informerat beslutsfattande för både hyresgäster och hyresvärdar. Denna studie presenterar en omfattande utforskning av olika maskininlärningstekniker som tillämpas på en mångsidig datauppsättning av husfunktioner, med det övergripande målet att avslöja den mest effektiva algoritmen för förutsäga hyrespriser. LÄS MER

  3. 2. Model Predictive Control for Ground Source Heat Pumps : Reducing cost while maintaining comfort

    Master-uppsats, Linköpings universitet/Reglerteknik

    Författare :Isak Bokne; Charlie Elf; [2023]
    Nyckelord :MPC; Model Predictive Control; heat pump control; electricity spot price; weather prediction; reducing cost;

    Sammanfattning : Today, the control of heat pumps aims to first and foremost maintain a comfortable indoor temperature. This is primarily done by deciding input power based on outside temperature. The cost of electricity, which can be rather volatile, is not taken into account. LÄS MER

  4. 3. Improving House Price Prediction Models: Exploring the Impact of Macroeconomic Features

    Kandidat-uppsats, Uppsala universitet/Statistiska institutionen

    Författare :Martin Holmqvist; Max Hansson; [2023]
    Nyckelord :Machine learning; random forest; xgboost; macroeconomic features; house prices;

    Sammanfattning : This thesis investigates if house price prediction models perform better when adding macroe- conomic features to a data set with only house-specific features. Previous research has shown that tree-based models perform well when predicting house prices, especially the algorithms random forest and XGBoost. LÄS MER

  5. 4. House Price Prediction

    Kandidat-uppsats, Högskolan Kristianstad/Fakulteten för naturvetenskap

    Författare :Nawar Aghi; Ahmad Abdulal; [2020]
    Nyckelord :Multiple linear regression; Lasso Regression; Ridge Regression; Random Forest Regression; Artificial Neural Network; Machine Learning; House Price Prediction;

    Sammanfattning : This study proposes a performance comparison between machine learning regression algorithms and Artificial Neural Network (ANN). The regression algorithms used in this study are Multiple linear, Least Absolute Selection Operator (Lasso), Ridge, Random Forest. LÄS MER

  7. 5. Predicting house prices with machine learning methods

    Kandidat-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Isak Engström; Alan Ihre; [2019]
    Nyckelord :;

    Sammanfattning : In this study, the machine learning algorithms k-Nearest-Neighbours regression (k-NN) and Random Forest (RF) regression were used to predict house prices from a set of features in the Ames housing data set. The algorithms were selected from an assessment of previous research and the intent was to compare their relative performance at this task. LÄS MER