広島の中古マンション価格をPythonで予測してみた

Kaggle Courseで学ぶうち、ある程度は機械学習の知識がついてきたので、身近にあるデータセットを使って何か作りたくなってきました。

インターネット上で無料のデータセットがないか探してみたところ、国土交通省が不動産の取引価格情報を公開していたので、今回はこれを使ってみることにします。

国土交通省の不動産取引価格情報では、2005年から2020年までのデータがダウンロードできます。データ量はcsvにして877MBとなかなか膨大です。

国土交通省の不動産取引価格情報サイト、全国15年分のデータがダウンロードできる。データは400万件くらいあるので、Deep Learningのお試しにいいかもしれない。https://t.co/BVZYbZ5RAJ

— ピエール (@JPierreLe) June 18, 2021

データセットの例です。

中古マンションや土地、建物、農地など、いろいろな不動産の取引情報を見ることができます。

今回は「間取り」や「面積（㎡）」などの情報から「取引価格」を予測したいと思います。

Jupyter notebook

codecs：日本語のテーブルの読み込み
pandas：データフレームの使用
sklearn：訓練データとテストデータの分割、欠損値処理など
xgboost：機械学習モデル

GitHubにアップしてみました。以下で、ソースコードの概要を説明しています。

不動産価格予測のざっくりとした流れは、以下の通りです。

訓練データはモデルの学習のために、評価データは学習済みモデルの性能評価のために使います。

ワンホットエンコーディングについては、過去の記事で解説しています。

今回はパラメータはすべてデフォルトのままです。それでもある程度の性能が出るのは、XGBoostのすごいところですね。

広島県のみに絞ったら、平均絶対誤差が250万円くらいまでに減りました。不動産価格予測として、少しは使えるようになったかも？ pic.twitter.com/yZpz3pBkXP

— ピエール (@JPierreLe) June 25, 2021

本当は１００万円くらいの誤差を目指したかったのですが、マンションの価格に大きな影響のある階数のデータが得られなかったので、ここらへんで妥協しました。

突っ込みどころやその他アイデアなどありましたら、コメント欄やツイッターでお寄せいただけるとうれしいです！

以上、最後までお読みいただきありがとうございました。