多変量回帰分析

物件価格を様々なモデルで予測してみる

概要

Tensorflow.jsを用いたデモンストレーションをご紹介します。

Tensorflow.jsとは、Webアプリケーション上で機械学習の機能を動かすことを可能にしたJavaScriptライブラリのことです。
従来のTensorflowは限られた環境でしか使用できませんでしたが、Tensorflow.jsを用いることでWebブラウザ上で予測モデルの構築や分析を行うことが容易になりました。

今回は様々な回帰モデルを用いて多変量分析を行います。
多変量分析は、複数の要因からなる問題に対して、どの要因がどの程度影響しているか推定することです。
今回の例では物件データを用いて、物件の取引価格を推定します。

以下のデモでは、物件の取引価格を予測するために3つのモデルを作成し、それぞれのモデルの精度を比較することができます。
また、線形回帰モデルを学習させる場合、物件の取引価格に最も影響を与えている要因を重みの大きさ(絶対値)を基準に、上から順に表示します。

出典:「不動産取引価格情報(2017年第3四半期)」(国土交通省)

ステータス

データロード中...

学習経過

予測価格と実際の価格を比較したグラフ

予測結果

物件タイプ 延床面積(m²) 駅までの徒歩時間(分) 建築年 市区町村の人口密度
(1km²あたり)
実際の価格(千万円) 予測した価格(千万円)