| Titre : | Prédiction des prix du marché immobilier Marocain à l'aide des algorithmes du Machine Learning |
| Auteurs : | KABBA Oumaima ; GUENDOUR Majda ; AIT EL KADI Kenza |
| Type de document : | texte imprimé |
| Editeur : | Rabat : IAV Hassan II, 2022 |
| Collection : | Apprentissage automatique# intelligence artificielle# prix immobilier# expertise immobiliθre# gouvernance fonciθre |
| Format : | 132 |
| Mots-clés: | Apprentissage automatique ; intelligence artificielle ; prix immobilier ; expertise immobilière ; gouvernance foncière. |
| Résumé : |
Ces dernières années, l’intelligence artificielle a été intégrée dans plusieurs domaines vu les avantages qu’elle apporte en termes de rapidité d’exécution et précision des résultats. Elle a même impacté le secteur immobilier. Ce dernier a été toujours considéré comme l’un des secteurs les plus actifs et dynamiques, en raison de sa contribution au développement économique et social du pays.
Le présent projet vise l’intégration des approches basées sur l’apprentissage automatique dans le secteur immobilier marocain. L’objectif principal étant la prédiction des prix immobiliers afin de suivre la dynamique du marché immobilier marocain et d’optimiser le processus de l’expertise immobilière. En vue d’atteindre le résultat souhaité, ce projet dresse une étude comparative entre les algorithmes d’apprentissage automatique permettant la prédiction des prix pour en déterminer le plus efficace. A cet égard, sept algorithmes ont été évalués : Réseaux de Neurones, régression Ridge, régression Lasso, Support Vector Regression, Random Forest, Gradient Boosting et XGBoost. L’entraînement et le test des données a été réalisé avec la bibliothèque Scikit-learn du langage de programmation Python, sur une base de données collectée en utilisant la technique du web scraping. Les données extraites contiennent les offres immobilières publiées dans les sites web immobiliers marocains. Elles concernent les villes de Casablanca et Rabat sur une période qui s’étale entre le mois d’Avril et le mois de Juin 2022. Les résultats obtenus dans le test, montrent que le SVR atteint la meilleure performance, soit de 92,6%, suivie par les Réseaux de Neurones avec un score qui atteint 90%, puis RF, GB, XGB et finalement les régressions Ridge et Lasso. Les prédictions obtenues par le SVR sont ensuite représentées dans une carte thématique interactive qui permet la visualisation de leur distribution sur le territoire des deux métropoles marocaines. En guise de conclusion de ce travail, l'apprentissage automatique offre une approche de prédiction alternative et avantageuse qui complète les techniques traditionnelles habituellement utilisées pour prédire ou estimer le prix d’un bien immobilier. |
| En ligne : | http://10.2.0.27/PDF_CDA/uploads/PDF/GUENDOUR%20Majda%20et%20KABBA%20Oumaima.pdf |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| 100008526 | 9771 | Support papier | Salle des thèses/PFE (RDC) | Ingénieur topographe | Consultation sur place Exclu du prêt |
