Ein innovativer Clustering-Ansatz zur Marktsegmentierung für eine verbesserte Preisvorhersage

Abstrakt

Ein Haupthindernis für eine genaue Vorhersage ist häufig die heterogene Natur der Daten. Bisherige Studien haben gezeigt, dass Datencluster eine potenzielle Lösung sind, um die Heterogenität zu verringern und damit die Vorhersagegenauigkeit zu erhöhen. In diesem Artikel wird ein innovativer Clustering-Ansatz beschrieben, der auf einer neuartigen Anpassung des Fuzzy-C-Means-Algorithmus und seiner Anwendung auf die Marktsegmentierung in Immobilien basiert. Über 15,000 wurden tatsächliche Transaktionen für den Verkauf von Eigenheimen verwendet, um unseren Ansatz zu bewerten. Die Testergebnisse zeigen, dass sich die Genauigkeit der Preisvorhersagen für einige gruppierte Marktsegmente merklich verbessert. Im Vergleich zu bestehenden Methoden ist unser Ansatz einfach zu implementieren. Es ist keine zusätzliche Datenerfassung oder kostenintensive Entwicklung von Modellen erforderlich, um sozioökonomische Faktoren bei der Segmentierung zu berücksichtigen. Schließlich ist unser Ansatz nicht marktspezifisch und kann problemlos auf verschiedenen Wohnungsmärkten angewendet werden.