Quest 賃貸物件の家賃推定

難易度:★★★★☆

  • 業種
  • 建設・不動産
  • テーブル
  • RANDOM FOREST
  • 回帰問題

不動産業界には、自動化、効率化、客観化の余地がまだまだたくさんあります。例えば、不動産の物件価格推定などです。物件価格は公示地価や路線価などをベースに算定されていますが、他の要因もあるため、人の経験や勘に依るところが多いです。そのため、価格を決定するのに時間がかかったり、人によってばらつきが生じたり、妥当な価格になっていない場合があります。AIが妥当で客観的な物件価格を算出してくれれば、大きな作業効率化につながります。そこで、本Questでは不動産業界でのAI活用の一例として、賃貸物件の家賃推定に取り組みます。

  • 7 時間
  • 3,050 Exp
  • 0 Videos
  • 13 Slides
  • 5 Missions
  • 11 Tasks
  • 48 Operations

Introduction 50 Exp

あなたは不動産会社のマネージャーとして、社員の生産性を高めるために、社内業務の効率化に取り組んでいます。どの業務にどれくらいの時間がかかっているのかを調べたところ、どうやら物件の家賃を決めるのに時間がかかっていることが分かりました。家賃決めは、担当者の勘と経験をベースとした相場感によって決めていた部分が大きいため、人によって金額にばらつきが生じていました。そのため、一つの家賃に決めるのに時間がかかっていたのです。そこで、過去の物件データを用いて、妥当な家賃を予測するAIを作成することにしました。妥当な家賃が自動的に決まれば、家賃決めの時間削減に繋がるからです。

Slideを見る

Mission 1

物件データの読み込み・整形

まず初めに、データ管理部に依頼し過去の物件情報と家賃のデータを用意してもらいました。しかしデータの中身を見てみると、一つの箇所に複数の情報が記載されていたり、記入漏れがあったりと、綺麗な状態ではありませんでした。このままでは扱いづらいので、まずはデータを綺麗な形に整形していきましょう。

Slide 1
物件データの読み込み
    50 Exp

    Mission 2

    家賃に影響のある要素を探索

    家賃を推定するために、どのような要素が家賃に影響するのかを調べてみましょう。
    その際に重要となるのは仮説を立てることです。
    なぜなら、あらかじめ仮説を立てておくことで、闇雲に探索するのを避け、効率の良い探索ができるからです。例えば面積や築年数は家賃に影響するだろうといった仮説を立てることができます。家賃に影響する要素の仮説を立て、正しいかどうか確認していきましょう。その為の方法論として本ミッションでは、探索的分析について学びます。データ分析ではデータの分布や数値等からデータの特徴を抽出し、それに基づき仮説を立てたり仮説の検証を行います。基本統計量や可視化の方法論についても学んでいきましょう。

    Slide 1
    家賃に影響のある要素を探索
      50 Exp

      Mission 3

      外部データの使用

      物件データから家賃に影響がある要素が分かりました。次は今ある物件データだけではなく、新しく緯度経度情報を使用することにしました。手元にあるデータだけでなく、新しくデータを取得することは精度の良いモデル作成に役立つ場合があります。本ミッションでは緯度経度の使用方法を学びます。

      Slide 1
      外部データの使用
        50 Exp

        Mission 4

        家賃予測モデルの作成

        いよいよ本クエストのメインである、家賃の予測をする為のモデル作成を実施することになりました。本ミッションではモデリング手法の1つ、ランダムフォレストモデルについて学びます。モデルを作成することで、過去の実績から将来の値を予測することができるようになります。具体的なモデルの作り方や作ったモデルの正しい評価方法、予測値の可視化方法について学んでいきましょう。

        Slide 1
        家賃予測モデルの作成
          50 Exp

          Mission 5

          家賃予測モデルの改善

          家賃を予測するモデルを作成することができましたが、高額物件を過小評価してしまっているなど、実務に使用するのに十分な精度には達しませんでした。そこで、目的変数を変更することで、精度を上げる方法を学びましょう。

          Slide 1
          家賃予測モデルの改善
            50 Exp

            Conclusion 50 Exp

            本クエストでは、家賃を予測するモデルを作成しました。ただ予測モデルを作るだけでなく、予測値を可視化してどのような値が予測できていないのかを確認し、それに合わせて目的変数を変更することで予測精度の改善も行いました。クエストを通じて学んだこと、そしてクエストの成果をおさらいしましょう。

            Slideを見る

            Competition

            【SOTA】マイナビ × SIGNATE Student Cup 2019: 賃貸物件の家賃予測

            これまで学習したことを元に、SIGNATEのSOTAコンペティションに挑戦してみましょう。

            Competitionに挑戦する