АРХІТЕКТУРА ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ ДЛЯ ЗБОРУ Й АНАЛІЗУ ДАНИХ ПРО ВАРТІСТЬ ЗЕМЛІ СІЛЬСЬКОГОСПОДАРСЬКОГО ПРИЗНАЧЕННЯ З ВИКОРИСТАННЯМ МАШИННОГО НАВЧАННЯ

Анотація

Анотація. У роботі розглянуто загальний підхід до архітектури програмного забезпечення, збору й аналізу даних за допомогою методів машинного навчання для передбачення вартості землі сільськогосподарського призначення. Наведено нові результати дослідження з використання методів LightGBM, Fast Tree, Fast Forest. Виділені етапи: збір даних, зберігання, дослідження та трансформація, агрегування, оптимізація та використання методів машинного навчання. Запропоновано використання декількох програмних застосунків для імплементації перерахованих етапів. Наведена архітектура взаємодії таких застосунків. Оглянуто використання даних про інфляцію та їх вплив на якість передбачення. До даних, зібраних на майданчиках з аукціонів, сайтів оголошень (перше джерело даних), додані дані із сайту Державної служби України з питань геодезії, картографії та кадастру (друге джерело даних). Набір даних, зібраний з аукціонів і оголошень, становить 2 123 рядки. З даних, наявних на сайті Державної служби України з питань геодезії, картографії та кадастру, відібрано інформацію про 102 924 ділянок. З першого джерела виділено повний набір усіх даних D1; набори даних D2 – множина D1 без даних про оренду та D3 – множина D1, де врахована інфляція за даними Національного банку України. З другого джерела виділено набір D4 – ділянки з типом «договір купівлі-продажу» за 2022–2023 роки; D5 – підмножина D4 для ділянок, вартість за 1 га яких не менше ніж 10 000 грн та не більше ніж 150 000 грн; D6 – множина D5, до якої додана інформація про відстані від великих міст України, та D7 – множина D6 з урахуванням інфляції. Використано методи машинного навчання для наборів даних, зібраних із цих джерел. Передбачення вартості з похибкою не більше за 10% вважається коректним. Результатом якості роботи машинного навчання залежно від алгоритму та набору даних є значення коефіцієнта детермінації до 0,897 та з відсотком коректних передбачень до 91. Для другого джерела точність оцінки гірша, ніж для першого, через меншу кількість атрибутів і відсутність інформації про оренду, термін оренди, родючість ґрунтів, деякі неточності у даних. Дослідження показують, що покращення якості початкового набору даних (збільшення повноти, репрезентативності) значно впливає на коефіцієнт детермінації та відсоток коректних передбачень навченої моделі.