Comparative Analysis of Linear Regression, Gaussian Elimination, and LU Decomposition for CT Real Estate Purchase Decisions

要約

このペーパーでは、不動産購入の意思決定プロセスに適用される 3 つの異なる計算アルゴリズムの包括的な評価を示します。
具体的には、一連の財務および市場関連パラメータに基づいてコネチカット州で住宅を購入することの妥当性を予測する際の、Scikit-learn ライブラリからの線形回帰、部分ピボットによるガウス消去法、および LU 分解の有効性を分析します。
アルゴリズムのパフォーマンスは、町固有の詳細、年間データ、金利、販売率の中央値を含むデータセットを使用して比較されました。
私たちの結果は、線形回帰と LU 分解が最も信頼性の高い推奨事項を提供し、ガウス消去法が安定性とパフォーマンスに限界を示していることから、予測精度に大きな違いがあることを示しています。
この研究結果は、予測分析におけるアルゴリズム選択の重要性を強調し、不動産投資戦略における計算手法の実際的な応用についての洞察を提供します。
R 二乗スコアや平均二乗誤差などの指標を通じてモデルの有効性を評価することで、各手法の長所と短所を微妙に把握し、不動産分析や予測モデリングの分野に貴重な知識を提供します。

要約(オリジナル)

This paper presents a comprehensive evaluation of three distinct computational algorithms applied to the decision-making process of real estate purchases. Specifically, we analyze the efficacy of Linear Regression from Scikit-learn library, Gaussian Elimination with partial pivoting, and LU Decomposition in predicting the advisability of buying a house in the State of Connecticut based on a set of financial and market-related parameters. The algorithms’ performances were compared using a dataset encompassing town-specific details, yearly data, interest rates, and median sale ratios. Our results demonstrate significant differences in predictive accuracy, with Linear Regression and LU Decomposition providing the most reliable recommendations and Gaussian Elimination showing limitations in stability and performance. The study’s findings emphasize the importance of algorithm selection in predictive analytic and offer insights into the practical applications of computational methods in real estate investment strategies. By evaluating model efficacy through metrics such as R-squared scores and Mean Squared Error, we provide a nuanced understanding of each method’s strengths and weaknesses, contributing valuable knowledge to the fields of real estate analysis and predictive modeling.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google