論文の概要: Covariate-distance Weighted Regression (CWR): A Case Study for
Estimation of House Prices
- arxiv url: http://arxiv.org/abs/2305.08887v1
- Date: Mon, 15 May 2023 03:05:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-17 17:41:00.847303
- Title: Covariate-distance Weighted Regression (CWR): A Case Study for
Estimation of House Prices
- Title（参考訳）: Covariate-Distance Weighted Regression (CWR):住宅価格推定のための事例研究
- Authors: Hone-Jay Chu, Po-Hung Chen, Sheng-Mao Chang, Muhammad Zeeshan Ali,
Sumriti Ranjan Patra
- Abstract要約: 住宅価格は、住宅年齢、床面積、土地利用など多くの要因に影響を受けている。
CWRは従来の空間回帰モデルから推定誤差を効果的に低減することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Geographically weighted regression (GWR) is a popular tool for modeling
spatial heterogeneity in a regression model. However, the current weighting
function used in GWR only considers the geographical distance, while the
attribute similarity is totally ignored. In this study, we proposed a covariate
weighting function that combines the geographical distance and attribute
distance. The covariate-distance weighted regression (CWR) is the extension of
GWR including geographical distance and attribute distance. House prices are
affected by numerous factors, such as house age, floor area, and land use.
Prediction model is used to help understand the characteristics of regional
house prices. The CWR was used to understand the relationship between the house
price and controlling factors. The CWR can consider the geological and
attribute distances, and produce accurate estimates of house price that
preserve the weight matrix for geological and attribute distance functions.
Results show that the house attributes/conditions and the characteristics of
the house, such as floor area and house age, might affect the house price.
After factor selection, in which only house age and floor area of a building
are considered, the RMSE of the CWR model can be improved by 2.9%-26.3% for
skyscrapers when compared to the GWR. CWR can effectively reduce estimation
errors from traditional spatial regression models and provide novel and
feasible models for spatial estimation.
- Abstract（参考訳）: 地理的重み付き回帰(GWR)は回帰モデルにおける空間的不均一性をモデル化するための一般的なツールである。
しかし、GWRで用いられる現在の重み付け関数は地理的距離のみを考慮しており、属性類似性は完全に無視されている。
本研究では,地理的距離と属性距離を組み合わせた共変重み関数を提案する。
共変量距離重み付き回帰(CWR)は、地理的距離と属性距離を含むGWRの拡張である。
住宅価格は、住宅年齢、床面積、土地利用など多くの要因に影響を受けている。
予測モデルは、地域住宅価格の特徴を理解するのに役立ちます。
CWRは住宅価格と規制要因の関係を理解するために用いられた。
cwrは地質学と属性距離を考慮し、地質学と属性距離関数の重み行列を保存する住宅価格の正確な推定を行うことができる。
その結果,住宅の属性・条件や,床面積や住宅年齢などの特性が住宅価格に影響を及ぼす可能性が示唆された。
建物の住宅年齢と床面積のみを考慮した要因選択後、CWRモデルのRMSEは、GWRと比較して高層ビルの2.9%～26.3%向上できる。
cwrは従来の空間回帰モデルから推定誤差を効果的に低減し、空間推定のための新規かつ実現可能なモデルを提供する。
関連論文リスト
- Deep autoregressive modeling for land use land cover [0.0]
ランド・ユース/ランド・カバー・モデリング(LULC)は、地理的特徴と地形、生態学、人間発達に関連する異なる空間パターンの間の長距離依存関係のために難しい課題である。
土地利用の空間パターンのモデル化とコンピュータビジョンからのイメージインペインティングの課題との密接な関係を同定し,約1900万個のLULCをモデル化するための改良されたPixelCNNアーキテクチャについて検討する。
論文 参考訳（メタデータ） (2024-01-02T18:03:57Z) - Geo-Localization Based on Dynamically Weighted Factor-Graph [74.75763142610717]
特徴に基づくジオローカライゼーションは、航空画像から抽出された特徴と車両のセンサーによって検出された特徴とを関連付けることに依存する。
これにより、ランドマークの種類は両方のソースから観測できなければならない。
車両軌道推定のための動的重み付き因子グラフモデルを提案する。
論文 参考訳（メタデータ） (2023-11-13T12:44:14Z) - Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。
ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。
このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文 参考訳（メタデータ） (2023-09-24T19:57:22Z) - Thailand Asset Value Estimation Using Aerial or Satellite Imagery [0.0]
不動産はタイ経済において重要な分野であり、より正確な土地価格予測アプローチの需要が高まっている。
重み付け品質スコア(WQS)のような従来の土地価格予測手法は、主観的基準に依存しているため制限されている。
本稿では,Siamese-inspireed Neural Networkと事前学習したEfficientNetアーキテクチャを用いた類似性に基づくアセット評価モデルを提案する。
論文 参考訳（メタデータ） (2023-05-26T04:57:43Z) - GWRBoost:A geographically weighted gradient boosting method for
explainable quantification of spatially-varying relationships [11.025779617297946]
本稿では,重み付き回帰モデルGWRBoostを提案する。
提案モデルでは,パラメータ推定精度が18.3%,AICcが67.3%,適合性が67.3%向上した。
論文 参考訳（メタデータ） (2022-12-12T10:24:47Z) - Adaptive LASSO estimation for functional hidden dynamic geostatistical
model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。
このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文 参考訳（メタデータ） (2022-08-10T19:17:45Z) - House Price Valuation Model Based on Geographically Neural Network
Weighted Regression: The Case Study of Shenzhen, China [6.023710971800604]
GNNWR(Geographical Neural Network Weighted Regression)と呼ばれる新しい手法が適用され、不動産評価の精度が向上した。
GNNWRは、深セン不動産市場で異なる変種の重量分布を捉えており、GWRは実現が難しい。
これは住宅価格を評価するための実用的で厳しい方法であり、複雑な社会経済データセットにおけるGNNWRの有効性を実証する。
論文 参考訳（メタデータ） (2022-02-09T09:40:54Z) - Boosting House Price Predictions using Geo-Spatial Network Embedding [16.877628778633905]
本稿では, グラフニューラルネットワークの概念を活用し, 住宅近傍の空間的文脈を捉えることを提案する。
特に,地空間ネットワーク埋め込み(GSNE, Geo-Spatial Network Embedding)という,多部ネットワークの形で住宅の埋め込みや様々な種類の関心点(POI)を学習する手法を提案する。
論文 参考訳（メタデータ） (2020-09-01T06:17:21Z) - On Projection Robust Optimal Transport: Sample Complexity and Model
Misspecification [101.0377583883137]
射影ロバスト(PR)OTは、2つの測度の間のOTコストを最大化するために、射影可能な$k$次元部分空間を選択する。
私たちの最初の貢献は、PRワッサーシュタイン距離のいくつかの基本的な統計的性質を確立することである。
次に、部分空間を最適化するのではなく平均化することにより、PRW距離の代替として積分PRワッサーシュタイン距離(IPRW)を提案する。
論文 参考訳（メタデータ） (2020-06-22T14:35:33Z) - RescueNet: Joint Building Segmentation and Damage Assessment from
Satellite Imagery [83.49145695899388]
RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。
RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
論文 参考訳（メタデータ） (2020-04-15T19:52:09Z) - Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。
地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
論文 参考訳（メタデータ） (2020-02-05T10:11:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。