@misc{Frącz_Mateusz_Prognoza_2023,
 author={Frącz, Mateusz},
 contributor={Dudycz, Helena. Redaktor},
 identifier={DOI: 10.15611/2023.81.7.05},
 year={2023},
 rights={Pewne prawa zastrzeżone na rzecz Autorów i Wydawcy},
 publisher={Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu},
 description={Wrocław: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, 2023, s. 57-71},
 language={pol},
 abstract={Uczenie maszynowe odgrywa w dzisiejszym świecie coraz większą rolę. Ma wiele zastosowań, które mogą być wykorzystywane w nauce i przedsiębiorstwach. Pozwala na dokonywanie prognoz wartości ciągłych z wykorzystaniem estymatora przeprowadzającego regresję. Celem badania jest stworzenie modelu prognozującego ceny nieruchomości mieszkalnych i weryfikacja jego skuteczności z wykorzystaniem różnych algorytmów w języku Python 3, biblioteki Pandas, LazyPredict, Scikit-learn w środowisku Jupyter Notebook. Zastosowane metody badawcze to: analiza literatury, analiza dokumentacji, studium porównawcze wykorzystanie biblioteki LazyPredict do wyznaczenia najwydajniejszego estymatora zgodnie z wartością współczynnika determinacji, wykorzystanie GridSearchCV do znalezienia najlepszej kombinacji hiperparametrów modelu lasu losowego. Dokonana analiza umożliwiła wskazanie najlepszego algorytmu spośród wybranych, którym okazał się regresor lasu losowego, do przeprowadzenia procesu uczenia na danych.},
 title={Prognoza cen nieruchomości mieszkalnych z wykorzystaniem uczenia maszynowego},
 type={rozdział},
 keywords={prognoza cen nieruchomości mieszkalnych, uczenie maszynowe, Lazy Predict, GridSearchCV, RandomForestRegressor, residential real estate price forecast, machine learning, LazyPredict},
}