prikaz prve stranice dokumenta Model za predviđanje cijena nekretnina pomoću metoda strojnog učenja
Access restricted to students and staff of home institution
master's thesis
Model za predviđanje cijena nekretnina pomoću metoda strojnog učenja
Osijek: Josip Juraj Strossmayer University of Osijek, Faculty of Economics in Osijek, 2019. urn:nbn:hr:145:324110
Matozan, Domagoj
Josip Juraj Strossmayer University of Osijek
Faculty of Economics in Osijek
Chair of Quantitative Methods and Informatics

Cite this document

Matozan, D. (2019). Model za predviđanje cijena nekretnina pomoću metoda strojnog učenja (Master's thesis). Retrieved from https://urn.nsk.hr/urn:nbn:hr:145:324110

Matozan, Domagoj. "Model za predviđanje cijena nekretnina pomoću metoda strojnog učenja." Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Economics in Osijek, 2019. https://urn.nsk.hr/urn:nbn:hr:145:324110

Matozan, Domagoj. "Model za predviđanje cijena nekretnina pomoću metoda strojnog učenja." Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Economics in Osijek, 2019. https://urn.nsk.hr/urn:nbn:hr:145:324110

Matozan, D. (2019). 'Model za predviđanje cijena nekretnina pomoću metoda strojnog učenja', Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Economics in Osijek, accessed 16 January 2022, https://urn.nsk.hr/urn:nbn:hr:145:324110

Matozan D. Model za predviđanje cijena nekretnina pomoću metoda strojnog učenja [Master's thesis]. Osijek: Josip Juraj Strossmayer University of Osijek, Faculty of Economics in Osijek; 2019 [cited 2022 January 16] Available at: https://urn.nsk.hr/urn:nbn:hr:145:324110

D. Matozan, "Model za predviđanje cijena nekretnina pomoću metoda strojnog učenja", Master's thesis, Josip Juraj Strossmayer University of Osijek, Faculty of Economics in Osijek, Osijek, 2019. Available at: https://urn.nsk.hr/urn:nbn:hr:145:324110

Please login to the repository to save this object to your list.
Metadata
TitleModel za predviđanje cijena nekretnina pomoću metoda strojnog učenja
Title (english)Property pricing model by machine learning methods
AuthorDomagoj Matozan
MentorMarijana Zekić Sušac (mentor)
Committee memberMarijana Zekić Sušac (predsjednik povjerenstva)
Committee memberJosip Mesarić (član povjerenstva)
Committee memberMartina Briš Alić (član povjerenstva)
GranterJosip Juraj Strossmayer University of Osijek
Faculty of Economics in Osijek
(Chair of Quantitative Methods and Informatics)
Osijek
Defense date and country2019-09-25, Croatia
Scientific / art field,
discipline and subdiscipline		SOCIAL SCIENCES
Economics
Business Informatics
Abstract
Umjetna inteligencija postaje naša svakodnevnica, sve pristupačnija je tehnologija koja u sebi ima neki oblik umjetne inteligencije, stoga je vrlo važno znati što ona u stvari je. Jedan od oblika umjetne inteligencije su i umjetne neuronske mreže. One oponašaju ljudsku neuronsku mrežu. Stvorene su kako bi određene zadatke radile brže i uspješnije od ljudi. Postoji nekoliko vrsta umjetnih neuronskih mreža, ali najvažnija je višeslojna neuronska mreža. Ona se najčešće koristi za obradu podatka. Stabla odlučivanja i stabla regresije su također oblik umjetne neuronske mreže koje nam na vizualno jednostavniji način prikazuju rezultate umjetne neuronske mreže. U radu je prikazan model umjetne neuronske mreže i stablo regresije za predviđanje cijena nekretnina. Prema rezultatima točnijim modelom se pokazao model neuronske mreže s logističkom aktivacijskom funkcijom u usporedbi s tangensno hiperbolnom aktivacijskom funkcijom. Rezultat je pokazao da najveći utjecaj na predviđanje cijena nekretnina ima tip nekretnine, da li je kuća ili stan, zatim kolika je udaljenost nekretnine od mora, pa sve do kvadrature nekretnine koja se pokazala kao najmanje utjecajna za predviđanje cijene nekretnine.
Abstract (english)
Artificial intelligence is becoming our daily routine. Technology that has some form of artificial intelligence is becoming more accessible, so it is very important to know what it really is. One form of artificial intelligence is artificial neural networks. They mimic the biological neural network. They were created to make certain tasks work faster and more successfully than humans. There are several types of artificial neural networks, but the most important is a multi-layer neural network. It is most commonly used for data processing. Decision trees and regression trees are also a form of artificial neural network that presents the results of artificial neural networks in a visually simple way. The paper presents an artificial neural network model and a regression tree for real estate price prediction. According to the results, the neural network model with logistic activation function was shown to be more accurate compared totangent hyperbolic activation function. The result showed that the type of real estate, whether it is a house or an apartment, has the biggest influence on the price prediction of real estate, then the distance from the sea, square footage of the real estate is proved to be the least influential for predicting the price of the real estate.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:145:324110
Study programmeTitle: Business economy; specializations in: Business Informatics
Course: Business Informatics
Study programme type: university
Study level: graduate
Academic / professional title: Magistar/magistra ekonomije (Magistar/magistra ekonomije)
Type of resourceText
File originBorn digital
Access conditionsAccess restricted to students and staff of home institution
Terms of useLicence In copyright icon
RepositoryEFOS REPOSITORY
Created on2019-10-03 11:54:53

(©) Nacionalna i sveučilišna knjižnica u Zagrebu 2015. Sva prava pridržana. | Hrvatske bratske zajednice 4 p.p. 550, 10000 Zagreb, Hrvatska Tel. ++ 385 1 616-4040
OIB: 84838770814 | IBAN: HR66 2340 0091 1000 1008 1, Porezni broj (PDV identifikacijski broj) - VAT Number: HR84838770814
Prijava u repozitorij