Уважаемые коллеги (я еще студент)! Мне нужна помощь с Predicting housing market trends желательно на R, но если эффективнее то в Python.
Я пытаюсь построить модель для прогнозирования цен жилища и количества купли-продаж в UK, отдельно в Большом Лондоне. Тривиальное решение уже сделал. Хочу углубиться. Датасет с 1995 по 2020. Думаю нет смысла использовать слишком старые (может с 2016 из-за Брексита?) https://www.gov.uk/guidance/about-the-price-paid-data
Предпочтительно работать с Neural Networks, но снова если есть варианты лучше то почему бы и нет.
*Трудность для меня в том, что надо разделить данные (time series) на окна по месяцам или неделям (как лучше?), тренировать и прогнозировать следующий период, и так двигать окно для улучшения модели. (поискал варианты решения неделю, нашел много чего, но не получается использовать).*
А также в датасете мало детализирующих атрибутов (нет подробных деталей вроде количество комнат, площадь и т.д)
Вопросы еще есть, но этот важный.
Спасибо за внимание.

ну факторов много (типа короновируса и брексита), но их нет в датасетах. а в ручную вводить кажется нереально (не знаю есть ли другие способы)

ну допустим нет никаких особенных обстоятельств, просто в вакууме предсказать цены

окей, на счет окон есть идеи?

если только не в учебных целях и для себя, плюс почему neural networks? когда предсказываешь цены важно знать факторы, что на них влияют и понимать, как двигается рынок, поэтому советую регрессию

кстати почему нейронки, дело в том что я уже работал с регрессиями, не знаю на сколько это было правильно, но использовал Holt Winters и AutoArima

все сейчас на рынке просто сложили свои модельки и сидят, you can’t digitize it measure it, коронавирус и так далее 🤪

Пока мы все сидим дома в самоизоляции, самое время заняться саморазвитием и узнать много нового.

Поэтому мы хотим устроить первый онлайн-митап нашего сообщества.

Нам нужно 4-5 спикеров, поэтому если вам есть, чем поделиться с сообществом прошу написать мне в личку @alimbekovkz

Вы можеет рассказать о вашей работе, сделать разбор статьи, описать решение соревнования и многое другое если это касается DS/ML

Сбор спикеров до 8 апреля 2020 года

С этим согласен, в условиях кризиса и неопределённости делать прогнозы крайне неблагодарное дело

Есть смысл почитать как банки проводят стресс тестироварие PD, там тоже сводится все к регрессии от экзогенных факторов при разных сценариях, модель будет не самой точной, но это позволит сделать хоть какие то предположения

Статья в википедии про стресс тесты достаточно исчерпывающая, а дальше уже больше на знание экономики, ибо в таких моделях явление лжекорреляции это частый случай, переменные должны логично описывать падение/рост цен. Чтобы объяснить бОльшую часть дисперсии, нужно неплохое такое исследование провести)