Репост из: URBAN MASH
👍ВОЗМОЖНОСТИ ГЕОАНАЛИТИКИ В REAL ESTATE
❤️Несколько дней работала над материалом, welcome to research!
1️⃣Скоринг площадок. Карта города из 780 гексагонов. Двигаешь веса и рейтинг пересчитывается.
2️⃣Типология районов. Кластеризация Уорда показывает, где рынок уже дорогой, а где ещё резерв.
3️⃣Цена метра. Таблица Bonus/Malus: из чего именно складываются ₽/м² по строчкам, с источником на каждую.
4️⃣Размещение бригад. p-median, p-center, MCLP - три постановки задачи дают три разных ответа на одной и той же карте.
5️⃣Как обучают модель. Живое доказательство утечки через географию: случайный сплит завышает точность в 7 раз. Внутри Spatial K-Fold и четыре нарезки фолдов.
❤️Планшет интерактивный там всё крутится, а не картинки: https://m-erts.github.io/geoanalytics-realestate/
❤️Разбор с формулами и источниками в статье: https://teletype.in/@merc_telega/geoanalytics-realestate
@urban_mash
❤️Несколько дней работала над материалом, welcome to research!
1️⃣Скоринг площадок. Карта города из 780 гексагонов. Двигаешь веса и рейтинг пересчитывается.
2️⃣Типология районов. Кластеризация Уорда показывает, где рынок уже дорогой, а где ещё резерв.
3️⃣Цена метра. Таблица Bonus/Malus: из чего именно складываются ₽/м² по строчкам, с источником на каждую.
4️⃣Размещение бригад. p-median, p-center, MCLP - три постановки задачи дают три разных ответа на одной и той же карте.
5️⃣Как обучают модель. Живое доказательство утечки через географию: случайный сплит завышает точность в 7 раз. Внутри Spatial K-Fold и четыре нарезки фолдов.
❤️Планшет интерактивный там всё крутится, а не картинки: https://m-erts.github.io/geoanalytics-realestate/
❤️Разбор с формулами и источниками в статье: https://teletype.in/@merc_telega/geoanalytics-realestate
@urban_mash