Преимущество регрессионных нейронных сетей перед классическим регрессионным анализом

Данное исследование посвящено анализу методов прогнозирования цен на жилье в Калифорнии. В нем применены два метода: нейросетевые методы прогнозирования и методы, основанные на регрессионном анализе. На примере отдельных прогнозных показателей, полученных на основе двух методов, сравниваются результаты прогноза. Цель исследования - показать, что точность прогнозирования с помощью нейронных сетей выше, чем у классического метода. Оценка осуществлена путем создания продукта на Python, который был выбран из соображений простоты проведения данного анализа, простоты внедрения продукта, а также простоты построения графического анализа полученных результатов. В качестве ресурсов для обучения нейронной сети был использован открытый источник данных, состоящий из шестнадцати тысяч элементов, который включает в себя ряд критериев оценки жилья и цен, основанных на этих критериях. Проведен широкий обзор исследований, сравнивающих эффективность прогнозирования с помощью методов, основанных на искусственных нейронных сетях, и других методов прогнозирования. Большое внимание уделено сравнению методов искусственной нейронной сети и методов линейной регрессии. По результатам этой работы было выявлено, что точность нейросетевой модели значительно выше при прогнозировании результатов с использованием методов линейной регрессии, в зависимости от введения новых критериев прогнозирования.