У недвижимости
не одна цена.
18 групп факторов, районные ориентиры Санкт-Петербурга и Ленобласти и три стратегии продажи. Измените характеристики или вставьте описание объекта — модель пересчитает три цены.
01 Что оцениваем?
Выбор модели02 Где находится объект?
Районный ориентир03 Опишите объект
18 групп оценки04 Умный разбор описания
Локальный NLPОпишите объект свободным текстом — алгоритм найдёт конкретные характеристики, покажет их для проверки и предложит заполнить анкету. Распознавание работает без API и не отправляет текст в интернет. Это экспертный языковой анализатор, не обученная нейросеть.
Настройка рыночной базы
НеобязательноРайонные значения — цены предложений, а не подтверждённых сделок. Если у вас есть более точные данные по микролокации, задайте свою базовую цену: это заменит исходную опору при следующем расчёте. Пустое поле = районное значение модели.
04 Спрос и реальные аналоги
НеобязательноВаши сравнимые объекты
| Цена, млн ₽ | Площадь, м² | Участок, сот. | Статус | Похожесть |
|---|
Источники и честные ограничения
ПрозрачностьРасшифровка оценки
18 факторовКак формируются три сценария
Влияние 18 групп факторов
Значения показывают приблизительное влияние по отношению к базовому объекту в той же локации. Для недвижимости с участком земля и строение оцениваются отдельно.
Что делает модель внутри
Модель 0.3Математическое ядро — интерпретируемая гедоническая модель и локальный разбор русского текста с 18 группами факторов, поправками в логарифме стоимости, двумя слагаемыми «земля + дом» для загородной недвижимости, робастным усреднением пользовательских аналогов и сценарным управлением спросом. При наличии подтверждённых сделок сопоставимые объекты получают больший вес.
Медиана цены объявления за м² × площадь × корректировки квартиры. Экспертная поправка −5% переводит предложение в гипотетический ориентир сделки.
Цена земли = сотки × ориентир ₽/сот. Цена здания = м² × ориентир ₽/м². Модификаторы применяются раздельно.
Цены приводятся к площади объекта, выбросы ограничиваются, далее модель смешивает их с базовой оценкой. Фактические сделки имеют больший вес.
Три цены — разные стартовые предложения от одной расчётной опоры. Спрос влияет на размер диапазона, но не превращается в неподтверждённую вероятность сделки.
Следующая итерация настоящего ML: обучить CatBoost/градиентный бустинг на подтверждённых сделках, учесть расстояния до инфраструктуры и отдельно оценивать время продажи (survival analysis). До появления таких данных называть этот прототип «нейросетью, обученной на продажах», было бы неверно.