การพยากรณ์ราคาขายทรัพย์สินรอการขายประเภทที่อยู่อาศัยในพื้นที่กรุงเทพมหานครโดยใช้เทคนิคการเรียนรู้ของเครื่อง

การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยทางกายภาพที่มีอิทธิพลต่อราคาขายทรัพย์สินรอการขายประเภทที่อยู่อาศัยในพื้นที่กรุงเทพมหานครและสร้างแบบจำลองพยากรณ์ราคาขายทรัพย์สินรอการขายประเภทที่อยู่อาศัยในพื้นที่กรุงเทพมหานครโดยใช้เทคนิคการเรียนรู้ของเครื่อง ทำการสร้างสมการพยากรณ์ราคาขายทรัพย์สินรอการขายประเภทบ้านเดี่ยวในพื้นที่กรุงเทพมหานคร โดยใช้เทคนิค Support Vector Machine (SVM), Gradient Boosted Trees (GBT), Artificial Neural Network (ANN) และ Ensemble Vote ด้วยโปรแกรม Rapid Miner Studio ซึ่งมีข้อมูลทั้งหมด 9 attribute ซึ่งเป็นปัจจัยทางกายภาพที่มีอิทธิพลต่อราคาขายทรัพย์สินรอการขายประเภทที่อยู่อาศัยในพื้นที่กรุงเทพมหานครที่สามารถรวบรวมได้จากเว็ปไซต์จำหน่ายสินทรัพย์รอการขาย ผลการวิจัยพบว่าสมการพยากรณ์ที่ได้จากการใช้เทคนิค Ensemble Vote ให้ค่าความคลาดเคลื่อนเฉลี่ยกําลังสองในการพยากรณ์ต่ำที่สุดเมื่อเทียบกับแบบจำลองที่เป็นส่วนประกอบ ซึ่งได้แก่เทคนิค Support Vector Machine (SVM), Gradient Boosted Trees และ Artificial Neural Network (ANN) โดยมีค่า RMSE, ค่า R2 และค่า Beta ของแบบจำลองเท่ากับ 3,746,335.580 บาท, 0.5377 และ 0.4919 ตามลำดับ ผลการศึกษาแสดงถึงความเป็นไปได้ในการนำเทคนิคการเรียนรู้ของเครื่องมาใช้ในการพยากรณ์ราคาขายทรัพย์สินรอการขายประเภทที่อยู่อาศัยที่เหมาะสม โดยใช้ข้อมูลที่สามารถหาได้จากเครือข่ายอินเทอร์เน็ต