jak wytresować smoka 5 – lokalizacja 2
czyli parki i przedszkola W poprzednim wpisie pokazaliśmy, jak można podzielić nasz zbiór nieruchomości ze względu na lokalizację. Dzisiaj postaramy się zróżnicować cechę lokalizacji ze względu na odległość od parku oraz od przedszkola. Dane dotyczące lokalizacji przedszkoli możemy pobrać ze strony: https://rspo.gov.pl/. Musimy jedynie pozyskać dane geograficzne adresów przedszkoli, co nie stanowi dużego problemu: Dane […]
jak wytresować smoka 4 – lokalizacja
W poprzednim wpisie (tutaj) otrzymaliśmy zbiór ofert nieruchomości z uzupełnionymi danymi dotyczącymi roku budowy. Dziś pokażemy jak podzielić zbiór ze względu na lokalizację. Do podzialu danych ze względu na lokalizację możemy użyć algorytmu KMeans z biblioteki Scikit-learn (sklearn). KMeans jest to algorytm klasteryzacji (grupowania), który jest używany do grupowania podobnych obiektów w grupy (klastery). KMeans […]
jak wytresować smoka 3
rok budowy na podstawie współrzędnych geo W poprzednim wpisie (jak-wytresowac-smoka-kategoryzacja-tekstu-czyli-standard-wykonczenia-na-podstawie-opisow-w-ogloszeniach) zaprezentowaliśmy metodę na określenie standardu wykończenia lokalu na podstawie opisu zawartego w ofercie sprzedaży nieruchomości, za pomocą sieci neuronowej trenowanej na stokenizowanym opisie. Poza niezdefiniowanym standardem wykończenia, część ofert nie zawiera także podanego roku budowy budynku. Pokażemy w niniejszym wpisie sposób na uzupełnienie tych brakujących […]
jak wytresować smoka – kategoryzacja tekstu
standard wykończenia na podstawie opisów w ogłoszeniach Kategoryzacja tekstu to proces polegający na przypisaniu danego tekstu do jednej lub wielu kategorii. Jest to ważne zagadnienie w przetwarzaniu języka naturalnego, ponieważ pozwala na automatyzację procesów, takich jak klasyfikacja wiadomości e-mail czy wyszukiwanie informacji.Sieci neuronowe są jednym z najpopularniejszych sposobów na rozwiązanie problemu kategoryzacji tekstu. Dzieje się […]
jak wytresować smoka, czyli sieci neuronowe w praktyce
„Sztuczna inteligencja (AI) może mieć wpływ na wycenę nieruchomości na kilka sposobów. Oto kilka przykładów: Ogólnie rzecz biorąc, AI może mieć pozytywny wpływ na wycenę nieruchomości poprzez umożliwienie szybszego i bardziej dokładnego przetwarzania danych oraz poprzez ułatwienie oszacowania przyszłych cen i stanu nieruchomości.”* *tekst powyższy wygenerowano przez chatGPT (https://openai.com/blog/chatgpt/) na zapytanie: „napisz o wpływie sztucznej […]