BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Bartłomowicz Tomasz (Uniwersytet Ekonomiczny we Wrocławiu)
Tytuł
Prognozowanie preferencji wyrażonych z wykorzystaniem metody k-NN
Forecasting of Stated Preferences Using k-NN Method
Źródło
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Ekonometria (29), 2010, nr 141, s. 39-49, tab., bibliogr. 11 poz.
Research Papers of Wrocław University of Economics. Econometrics
Tytuł własny numeru
Zastosowania metod ilościowych
Słowa kluczowe
Metoda najmniejszych kwadratów, Prognozowanie, Rynek nieruchomości, Preferencje konsumenta
Least squares method, Forecasting, Real estate market, Consumer preferences
Uwagi
summ., streszcz.
Abstrakt
Klasyczne zastosowanie metody k-najbliższych sąsiadów (k-Nearest Neighbours, k-NN) ma miejsce w klasyfikacji, tj. w przydzielaniu obserwacji do klas na bazie atrybutów tych obserwacji. Ponadto, z racji przynależności metody do grupy tzw. metod uczących się, zastosowanie metody obejmuje także prognozowanie. W artykule zaprezentowano prognozowanie preferencji wyrażonych konsumentów jednego z najszybciej rozwijających się obecnie rynków - rynku nieruchomości. Metodologiczną podstawę prognozowania stanowi metoda k-NN, przykładami zaś potwierdzającymi możliwość prognozowania wybranych aspektów tego rynku są m.in. prognozy atrakcyjności oraz aktualności ofert sprzedaży nieruchomości. (abstrakt oryginalny)

In classical implementation k-Nearest Neighbours algorithm (k-NN) is a method for classifying objects based on closest training examples in the feature space. K-NN is a type of instance-based learning, where the function is only approximated locally and all computation is deferred until classification. It can also be used for forecasting. The paper presents implementation of k-NN method by way of forecasting for real estate market. Among examples of k-NN forecasting, in author's opinion, there can be prognosis of relevance and timeliness of the real estate offers. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Bartłomowicz T., Zastosowanie metody conjoint analysis do pomiaru preferencji potencjalnych nabywców nieruchomości, [w:] K. Jajuga, M. Walesiak (red.), Taksonomia 9. Klasyfikacja i analiza danych - teoria i zastosowania, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 942, Wydawnictwo AE, Wrocław 2002.
  2. Bąk A., Dekompozycyjne metody pomiaru preferencji w badaniach marketingowych, Wydawnictwo AE, Wrocław 2004.
  3. Classification: k Nearest Neighbours, http://www.cs.ucc.ie/~dgb/courses/tai/notes/handout4.pdf.
  4. Fix E., Hodges J.L., Discriminatory analysis - nonparametric discrimination: consistency properties, USAF School of Aviation Medicine, Randolph Field 1951.
  5. Gatnar E., Walesiak M. (red.), Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, Wydawnictwo AE, Wrocław 2004.
  6. Internetowy słownik języka polskiego, PWN, Warszawa, http://sjp.pwn.pl.
  7. Kałkowski L. (red.), Rynek nieruchomości w Polsce, Twigger, Warszawa 2001.
  8. Kucharska-Stasiak E. (red.), Rynek nieruchomości. Wybrane problemy, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 1999.
  9. k-Nearest Neighbor algorithm, http://en.wikipedia.org/wiki/K-nearest_neighbor_algorithm.
  10. Pawlukowicz R., Bartłomowicz T., Conjoint analysis jako sposób wyznaczania wag cech rynkowych w wycenie rynkowej nieruchomości za pomocą podejścia porównawczego, [w:] J. Dziechciarz (red.), Ekonometria 15, Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 1096, Wydawnictwo AE, Wrocław 2005.
  11. Tadeusiewicz R., Lasiński M., Rozpoznawanie obrazów, PWN, Warszawa 1991.
Cytowane przez
Pokaż
ISSN
1899-3192
1507-3866
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu