Rでお買得物件を探せ Gota Morishita TokyoR 2018.04.13

自己紹介 ● Gota Morishita ● 社会人３ヶ月、R歴３日 ● 経歴 ○ 慶應理工学部修士卒（ゲーム理論） ○ CyberAgent AI Lab | ADEcon Now! ● twitter: @GotaMorishita

モチベーション ● 一人暮らししたい ● なるべく割安な物件に住みたい ● 割安ってどう判断するの？ ○ 賃貸情報サイトを目視で確認する？ ○ 割安の判断基準は？

モチベーション ● 一人暮らししたい ● なるべく割安な物件に住みたい ● 割安ってどう判断するの？ ○ 賃貸情報サイトを目視で確認する？ ○ 割安の判断基準は？ そうだ、機械学習を使って判断しよう！

モチベーション ● 賃料の予測モデル ○ 賃料 ＝（家賃＋共済費）＋ 敷金礼金 ÷ 12 ● 実際の賃料 ＜ 予測の賃料 → お買い得なはず！！(本当か?)

予測までの”通常”のプロセス スクレイピング 学習データ 学習 予測 モデル テストデータ

学習データのジレンマ ● 学習に使ったデータは候補から外れる ● 学習データを減らすと・・・ → モデル自体の精度が悪化 学習デー タ テストデータ

ジレンマの解消 ● 学習データから住みたい地域のデータを 90%取り除く ● 取り除いたデータはお買い得物件候補 学習データの特徴量の分布が変化 学習データ テストデータ keep

Covariate shiftの発生 ● 家の特徴量と家賃の関係P(Y|X)は変わらない ● 学習データとテストデータの特徴量の分布P(X)は変わる ● Importance Weight(IW)で修正(*) ex) 三軒茶屋のデータの90%を学習データから抜き取る → 三軒茶屋のデータは１０分の１に → 三軒茶屋のデータの重みを10倍にして学習 (*) M. Sugiyama and et al.Covariate Shift Adaptation by Importance Weighted Cross Validation Journal of Machine Learning Research 8(May):985--1005, 2007.

データの収集の範囲 ● 会社の住宅補助適用圏内のみ ○ 世田谷区 ○ 目黒区 ○ 渋谷区 ○ 港区 ○ 品川区 ● 家賃は20万以下の範囲内

分析モデル ● GBDT(xgboost) ● Importance Weightありとなしで比較 ● Group 5-fold CVで最適なハイパラをそれぞれ調整

RMSEの比較 三軒茶屋におけるデータのRMSE 全地区におけるデータのRMSE IWあり IWなし IWあり IWなし

お買い得物件No.1 IWありのモデル 賃料 １１１，２００円 間取り １DK 占有面積 ３０.８２m2 築年数 ４１年 建物種別 マンション 階 ４階 徒歩 ６分 IWなしのモデル 賃料 ８４，０００円 間取り １R 占有面積 ２３.０m2 築年数 １６年 建物種別 アパート 階 １階 徒歩 １３分