공공데이터를 활용한 아파트 매매 가격 결정 모형의 예측 능력 비교 : 서울 강남구 지역을 중심으로

Abstract

본 연구는 국토교통부의 아파트 실거래가 데이터 등 부동산 관련 공공데이터로 다양한 기계학습 알고리즘을 활용하여 서울특별시 강남구 지역의 아파트 매매 가격 결정 모형 간 예측 능력을 비교하였다. 다중선형회귀모형은 이해하기 쉽다는 장점이 있으나 오차의 정규성과 독립성 등의 가정을 충족하기 어렵다는 단점이 있으며 특히 예측 능력 면에서 기계학습 알고리즘에 비해 성능이 낮다. 본 연구에서는 아파트 매매 가격의 추정 성능을 비교하기 위하여 랜덤 포레스트 및 서포트 벡터 머신 알고리즘을 사용하였고, 그 결과 다중회귀분석 모형에 비해 예측 능력이 크게 향상된 결과를 보였다.

This study compares the forecasting ability of apartment sale pricing models in Gangnam-gu, Seoul, using various machine learning algorithms for real estate public data such as apartment transaction prices from the Ministry of Land, Infrastructure and Transport. The multiple linear regression model has advantages that it is easy to understand, but it has a disadvantage that it can’t easily meet assumptions such as normality and independence of residuals. Especially, it has lower performance than machine learning algorithms in prediction ability. In this study, random forest and support vector machine algorithms were used to compare the estimation performance of apartment sale prices. As a result, the predictive power was significantly improved compared to the multiple regression model.