スタンフォード大のチーム、AIでAirbnbの価格を69％の精度で予測するシステムを発表
コメント
選択しているユーザー
69%というとピンとくるよね。
標準偏差はばらつきある状態を理解するのに使うやつ。
植物だとメンデルの法則とかありますが、ばらつきがあってもある一定の方向性が解析すると見えてくる。
ただしマーケットみたいにつねにプレーヤーが動いているのは予測が困難。
注目のコメント
ちょっと申し訳ないですが、「テストデータに対して69％の R2スコア（現実のデータポイントをどれくらい正確に近似できるかを示す指標）を達成した。」と書いてあるものを「69%の精度で予測」というのはちょっとお粗末です。
と思ったけど、原文でも
AI predicts Airbnb prices with 69% accuracy
なのか。。。
論文そのものを読んでないのですが、単回帰だと仮定すると√0.69=0.83がいわゆる相関値。結構高い数字であることは間違いないです。
８ 相関係数(の式の由来)
https://www.kwansei.ac.jp/hs/z90010/sugakuc/toukei/rp7/rp7.htm価格予想で精度？と思いましたが、やはり間違ってるようです。
今回使用されている指標はR二乗です。
簡易的な説明では、Rニ乗=1.0で完全に価格を予想できている、0.80以上で良いモデル、0.60以下は微妙もしくは使えないモデルとされています。
今回の指標は0.69なため、goodではないがbadでもないです。
翻訳がちょっと残念です。来客数にも影響するため、物件のオーナーが Airbnb の宿泊価格を設定するのは簡単ではありません。一方で、利用者側は物件の最適値に関して最小限の知識しかないまま価格が適正なのか判断しなければなりません。
AI化が進む中での斬新な査定の仕方。
Airbnbだったら面白いかも！と思いました。
スタンフォード大の研究のレベル感にも圧倒です。
元不動産屋の意見としては、
全てがAI化する事はとても便利な一方、
記事の最後にもあったように、データをセットする上で、
物件への付加価値、オーナーの想い(気持ち)の部分は
どうAI化していくのだろうか？が楽しみです。
結構そこは業界的にも
まだまだアナログなので
ユーザーや所有するオーナーの為にも
是非とも進化しては欲しいです！
ワクワクな記事です！
#日々勉強 #自己記録 #OODA
