Browsing by Author "Paquette, Jeanne"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- Conformal prediction of real estate prices with machine learningPublication . Paquette, Jeanne; Bastos, JoãoA quantificação da incerteza associada à avaliação imobiliária tem sido notavelmente negligenciada na literatura. O objetivo deste trabalho é colmatar a lacuna existente, mediante uma análise da incerteza na avaliação de propriedades, através da aplicação de técnicas de aprendizado de máquina e previsão conformal. A previsão conformal quantifica a incerteza associada a previsões individuais e proporciona uma série de resultados possíveis em torno de estimativas pontuais com base em um nível de significância pré-definido. Ao aplicar a regressão de quantis conformal, somos capazes de mitigar as limitações das abordagens iniciais de regressão conformal e construir intervalos que exigem apenas que os dados sejam passíveis de intercâmbio para assegurar a cobertura. Através de um estudo empírico dos preços de imóveis na área da Baía de São Francisco, descobrimos que a regressão de quantis conformal fornece intervalos de previsão adaptativos com cobertura garantida que capturam variações inerentes à incerteza observada entre distintos níveis de preços de propriedades.
- On the uncertainty of real estate price predictionsPublication . Bastos, João A.; Paquette, JeanneUncertainty quantification associated with real estate appraisal has largely been overlooked in the literature. In this paper, we address this gap by analyzing the uncertainty in automated property valuations using conformal prediction, a distribution-free procedure for constructing prediction intervals with valid coverage in finite samples. Through an empirical study of property prices in the San Francisco Bay Area, we find that prediction intervals obtained using conformal quantile regression have exact coverage. In contrast, prediction intervals obtained from nonconformal quantile regressions severely undercover the data. Furthermore, we show that the intervals adapt to various characteristics of the dwellings, which is crucial given the heterogeneous nature of real estate data. Indeed, we observe that larger and older properties, those in both low and high-income neighborhoods, as well as those on the market for less than one year are more challenging to evaluate.