详细内容或原文请订阅后点击阅览
避免算法的不确定性量化算法估值的昂贵错误
使用AVMU或自动估值模型的不确定性的简单技巧使您的购房决策更加自信和风险更低！该帖子避免了具有不确定性量化的算法房屋估值的昂贵错误，首先出现在数据科学方面。
来源:走向数据科学房屋，无论您是每天寻找理想的房屋还是经验丰富的房地产投资者，都很有可能遇到自动估值模型，还是AVMS。这些聪明的工具使用大量的数据集充满了过去的财产交易，以预测您潜在的新房屋的价值。通过考虑位置，卧室数量，浴室，财产年龄等功能，AVMS使用AI来学习与销售价格的关联。对任何房屋的快速和低成本评估听起来都很棒，在许多情况下，这很棒。但是，随着每个价格预测的含义，不确定性水平，而没有考虑这种不确定性可能是一个昂贵的错误。在这篇文章中，我说明了通过AVMU方法对AVM的AI不确定定量的应用。
价格预测不确定性？
让我们开始简单。想象一下，您正在弗吉尼亚州弗吉尼亚海滩的一个舒适的社区寻找一间两层楼的四居室房屋。您已经下载了一些当地的住房数据，并用它来培训自己的AVM（您像这样精通技术！）。
案例1：幸运的是，过去一年中，附近几乎几乎相同的房屋售价约50万美元。您的AVM自信地建议您感兴趣的房屋也可能价值相同。很容易，对吗？
案例1但这是棘手的地方：
案例2：这次，最近没有类似的两层楼的四居室房屋售出。取而代之的是，您的数据集显示出较小的单层房屋，价格为40万美元，三层楼的房屋的价格为60万美元。您的AVM平均内容，并再次建议$ 500,000。这是有道理的，您的目标房屋比廉价房屋大，比价格较高的房屋更小。
案例2固体AVM在情况1中是购买房屋的非常有用的决策支持工具，但是在情况2中，AVM摇摇欲坠的AVM可以使您对房屋的市场价值完全错误的想法。这是一个大问题：
您如何判断您的AVM预测是稳定还是摇摇欲坠？
和：
更有可能