prikaz prve stranice dokumenta Predikcija cijena nekretnina i najma na području grada Zagreba korištenjem modela strojnog učenja
Rad nije dostupan
završni rad
Predikcija cijena nekretnina i najma na području grada Zagreba korištenjem modela strojnog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:705622
Skukan, Ana
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Skukan, A. (2024). Predikcija cijena nekretnina i najma na području grada Zagreba korištenjem modela strojnog učenja (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:705622

Skukan, Ana. "Predikcija cijena nekretnina i najma na području grada Zagreba korištenjem modela strojnog učenja." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:705622

Skukan, Ana. "Predikcija cijena nekretnina i najma na području grada Zagreba korištenjem modela strojnog učenja." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:705622

Skukan, A. (2024). 'Predikcija cijena nekretnina i najma na području grada Zagreba korištenjem modela strojnog učenja', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 23.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:705622

Skukan A. Predikcija cijena nekretnina i najma na području grada Zagreba korištenjem modela strojnog učenja [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 23.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:705622

A. Skukan, "Predikcija cijena nekretnina i najma na području grada Zagreba korištenjem modela strojnog učenja", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:705622

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:705622
Podaci o radu
NaslovPredikcija cijena nekretnina i najma na području grada Zagreba korištenjem modela strojnog učenja
Naslov (engleski)Prediction of real estate prices and rents in the area of the city of Zagreb using machine learning models
AutorAna Skukan
MentorMihaela Vranić (mentor)
Član povjerenstvaMihaela Vranić (predsjednik povjerenstva)
Član povjerenstvaDamir Pintar (član povjerenstva)
Član povjerenstvaLuka Humski (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-07-08, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Ovaj rad istražuje primjenu modela strojnog učenja za predikciju cijena nekretnina i najma u Zagrebu. Prikupljeni su podaci s internetskih izvora korištenjem tehnike web scrapinga te su pohranjeni u bazu podataka PostgreSQL. Nakon čišćenja podataka i deskriptivne analize, identificirani su ključni faktori koji utječu na cijene nekretnina. Korištenjem različitih modela strojnog učenja kao što su linearna regresija, stablo odlučivanja, Random Forest, Gradient Boosting i CatBoost, evaluirane su performanse svakog modela pomoću metrike RMSE, MAE i R². CatBoost pokazao je najbolju točnost u predikciji cijena. Razvijena je web aplikacija koja korisnicima omogućuje unos karakteristika nekretnine i dobivanje procjene cijene najma ili prodaje na temelju najboljeg modela. Aplikacija nudi brzu i preciznu procjenu, smanjujući nesigurnost i olakšavajući donošenje odluka na tržištu nekretnina. Iako su rezultati vrlo obećavajući, postoji potreba za daljnjim poboljšanjima, uključujući proširenje skupa podataka i integraciju dodatnih faktora koji utječu na cijene. Preporučuje se korištenje naprednijih tehnika strojnog učenja i geoprostornih podataka za poboljšanje točnosti predikcija.
Sažetak (engleski)
This paper investigates the application of machine learning models for predicting real estate prices and rentals in Zagreb. Data were collected from online sources using web scraping techniques and stored in a PostgreSQL database. After data cleaning and descriptive analysis, key factors influencing real estate prices were identified. Using various machine learning models such as linear regression, decision tree, Random Forest, Gradient Boosting, and CatBoost, the performance of each model was evaluated using metrics like RMSE, MAE, and R². CatBoost demonstrated the highest accuracy in price prediction. A web application was developed, enabling users to input property characteristics and obtain rental or sale price estimates based on the best-performing model. The application offers quick and accurate assessments, reducing uncertainty and facilitating decision-making in the real estate market. Although the results are very promising, further improvements are needed, including expanding the dataset and integrating additional factors influencing prices. It is recommended to use more advanced machine learning techniques and geospatial data to improve prediction accuracy.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:705622
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2024-10-12 22:06:10