Доволен работой. Все хорошо!
Информация о работе
Подробнее о работе
Эконометрические модели прогнозирования предложения или спроса на рынке жилья РФ
- 31 страниц
- 2026 год
- 0 просмотров
- 0 покупок
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
Целью написания данной работы заключается в проведении анализа эконометрической модели прогнозирования спроса и предложения на рынке жилья Российской Федерации с использование методов машинного обучения.
Для достижения поставленной цели необходимо решить следующие задачи:
1) рассмотреть теоретические аспекты машинного обучения: сущность, задачи, типы и методы;
2) охарактеризовать исходные данные и формализовать задачи прогнозирования спроса и предложения на рынке жилья Российской Федерации;
3) выбрать и обосновать модели машинного обучения для прогнозирования рынка жилья;
4) провести сравнительный анализ качества прогнозных моделей.
ВВЕДЕНИЕ 3
1 ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ МАШИННОГО ОБУЧЕНИЯ 5
1.1 Сущность машинного обучения и определение качества модели 5
1.2 Типы и методы машинного обучения 10
2 ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ СПРОСА И ПРЕДЛОЖЕНИЯ НА РЫНКЕ ЖИЛЬЯ РФ 18
2.1 Характеристика исходных данных и формализация задачи прогнозирования спроса и предложения на рынке жилья РФ 18
2.2 Выбор и обоснование моделей машинного обучения для прогнозирования рынка жилья 20
2.3 Результаты моделирования и сравнительный анализ качества моделей 26
ЗАКЛЮЧЕНИЕ 29
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 31
Дата изготовления: январь 2026 года.
Предмет: Методы машинного обучения в анализе данных.
Учебное заведение: Российский экономический университет имени Г. В. Плеханова.
Оригинальность по Антиплагиат.ру составила 50%.
Работа была успешно сдана - заказчик претензий не имел.
1. Абрамов С.М., Малютин Д.А. Современные технологии машинного обучения и обработки данных — Инфра-М, 2023. — 400 с.
2. Барский, А. Б. Алгоритмы машинного обучения: анализ данных и прогнозирование / А. Б. Барский. – 2-е изд., перераб. и доп. – Санкт-Петербург: БХВ-Петербург, 2023. – 496 с.
3. Васильев, Е. И. Машинное обучение на Python. Scikit-Learn, TensorFlow, Keras / Е. И. Васильев, Д. А. Журиков. – Москва: ДМК Пресс, 2023. – 542 с.
4. Воробьев С.А., Козлов В.А. Эконометрическое моделирование и прогнозирование — Научная книга, 2022. — 368 с.
5. Воронцов, К. В. Методы выбора моделей в машинном обучении / К. В. Воронцов, В. В. Стрижов. – Москва: МЦНМО, 2024. – 264 с.
6. Герон, О. Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем / О. Герон; пер. с англ. А. А. Слинкина. – 2-е изд. – Москва: Вильямс, 2022. – 1104 с.
7. Грачева, М. В. Прогнозирование временных рядов в экономике и финансах с использованием Python / М. В. Грачева, А. С. Колесников. – Москва: ДМК Пресс, 2023. – 312 с.
8. Давыдов Э.Г., Петрова А.А. Современные методы прогнозирования экономических показателей — Ростов-на-Дону: Феникс, 2022. — 352 с.
9. Клепиков, В. П. Методы оценки точности прогнозов в экономических исследованиях / В. П. Клепиков. – Москва: ИНФРА-М, 2021. – 192 с.
10. Князьков С.А., Алексеев В.А. Анализ временных рядов и эконометрическое прогнозирование — Спб.: Политехника-сервис, 2023. — 448 с.
11. Мхитарян, В. С. Анализ данных: регрессионный анализ, временные ряды, методы контроля и оценки качества / В. С. Мхитарян. – Москва: МГИМО-Университет, 2021. – 364 с.
12. Мюллер, А. Введение в машинное обучение с помощью Python / А. Мюллер, С. Гвидо; пер. с англ. А. В. Сластина. – Москва: ДМК Пресс, 2022. – 480 с.
13. Рябова, Е. В. Математические основы машинного обучения и глубоких нейронных сетей: учебное пособие / Е. В. Рябова, А. Н. Тихонов. – Москва: МГУ, 2022. – 168 с.
14. Стрижов, В. В. Методы выбора моделей в машинном обучении / В. В. Стрижов, К. В. Воронцов. – 2-е изд., испр. и доп. – Москва: МЦНМО, 2024. – 264 с.
15. Тарасов, Д. С. Машинное обучение в R / Д. С. Тарасов. – Москва: ДМК Пресс, 2021. – 304 с.
16. Титов, А. Н. Визуализация данных в Python. Работа с библиотекой Matplotlib: учебно-методическое пособие: [16+] / А. Н. Титов, Р. Ф. Тазиева; – Казань: Казанский национальный исследовательский технологический университет (КНИТУ), 2022. – 92 с.
17. Шовкопляс, А. В. Основы машинного обучения с использованием Python: библиотеки scikit-learn и pandas / А. В. Шовкопляс. – Москва: Лань, 2025. – 320 с.
18. Банк России - [Электронный ресурс]. URL: https://cbr.ru (дата обращения: 05.12.2025).
19. Сайт бесплатных объявлений по недвижимости – https://rosrealt.ru (дата обращения: 10.12.2025)
20. Федеральная служба налоговой статистики - [Электронный ресурс]. URL: https://rosstat.gov.ru (дата обращения: 05.12.2025).
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
