Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/10438095-7972-4704-B1B9-BBCF509AEAA8 | - |
| Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.104246 | - |
| Γλώσσα | el | - |
| Μέγεθος | 69 σελίδες | el |
| Τίτλος | Αλγόριθμοι μηχανικής μάθησης για την πρόβλεψη τιμών ενοικίασης καταλυμάτων βραχυχρόνιας μίσθωσης | el |
| Δημιουργός | Antria Chrysa | en |
| Δημιουργός | Αντρια Χρυσα | el |
| Συντελεστής [Επιβλέπων Καθηγητής] | Tsafarakis Stelios | en |
| Συντελεστής [Επιβλέπων Καθηγητής] | Τσαφαρακης Στελιος | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Doumpos Michail | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Δουμπος Μιχαηλ | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Atsalakis Konstantinos | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Ατσαλακης Κωνσταντινος | el |
| Εκδότης | Πολυτεχνείο Κρήτης | el |
| Εκδότης | Technical University of Crete | en |
| Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Production Engineering and Management | en |
| Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης | el |
| Περιγραφή | Μεταπτυχιακή διατριβή που κατατέθηκε στη σχολή Μηχανικών Παραγωγής και Διοίκησης του Πολυτεχνείου Κρήτης για την πλήρωση προϋποθέσεων λήψης του Μεταπτυχιακού Διπλώματος Ειδίκευσης στη Διοίκηση Επιχειρήσεων. | el |
| Περίληψη | Η ραγδαία ανάπτυξη της αγοράς βραχυχρόνιας μίσθωσης καταλυμάτων μέσω πλατφορμών όπως το Airbnb έχει δημιουργήσει την ανάγκη για ακριβέστερη και πιο αξιόπιστη εκτίμηση των τιμών ενοικίασης. Η παρούσα εργασία διερευνά την εφαρμογή αλγορίθμων μηχανικής μάθησης με στόχο την εκτίμηση της τιμής ενοικίασης καταλυμάτων βραχυχρόνιας μίσθωσης, με πεδίο μελέτης την περιοχή της Θεσσαλονίκης. Αρχικά πραγματοποιήθηκε συλλογή και προεπεξεργασία δεδομένων από την πλατφόρμα Inside Airbnb. Στη συνέχεια, αναπτύχθηκαν και αξιολογήθηκαν δύο μοντέλα πρόβλεψης: ένα βασισμένο στα Τεχνητά Νευρωνικά Δίκτυα και ένα στον αλγόριθμο Τυχαία Δάση. Η σύγκριση των αποτελεσμάτων πραγματοποιήθηκε μέσω δεικτών απόδοσης όπως ο συντελεστής προσδιορισμού R2 και το Root Mean Squared Error (RMSE). Τα αποτελέσματα έδειξαν ότι ο αλγόριθμος Τυχαία Δάση μπορεί να δώσει καλύτερες εκτιμήσεις καθώς είναι πιο αποδοτικός με συντελεστή R2 = 0,898 και μέσο σφάλμα RMSE = 13,442. Τα ευρήματα καταδεικνύουν τη χρησιμότητα της μηχανικής μάθησης ως εργαλείο υποστήριξης αποφάσεων στην τιμολόγηση ακινήτων βραχυχρόνιας μίσθωσης. Παράλληλα, αναδεικνύονται οι δυνατότητες και οι προοπτικές εξέλιξης μέσω της ενσωμάτωσης εξωτερικών παραμέτρων και πιο σύνθετων αλγορίθμων σε μελλοντικές εφαρμογές. | el |
| Περίληψη | The rapid expansion of the short-term rental market through platforms such as Airbnb has created a growing need for more accurate and reliable rental price prediction models. This study explores the application of machine learning algorithms for forecasting rental prices of short-term accommodation, with a focus on the city of Thessaloniki. Following data collection and preprocessing using information from the Inside Airbnb platform, two predictive models were developed and evaluated: one based on Artificial Neural Networks and another on the Random Forest algorithm. The performance of both models was assessed using key metrics, including the coefficient of determination (R2) and the Root Mean Squared Error (RMSE). Results indicated that the Random Forest algorithm can provide better estimations, as it is more efficient with an R² coefficient of 0,898 and a mean error (RMSE) of 13,442. These findings highlight the potential of machine learning as a decision-support tool in the pricing strategy of short-term rental properties. At the same time, they point to future opportunities for improvement through the incorporation of external variables and the application of more advanced algorithmic approaches. | en |
| Τύπος | Μεταπτυχιακή Διατριβή | el |
| Τύπος | Master Thesis | en |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
| Ημερομηνία | 2025-07-31 | - |
| Ημερομηνία Δημοσίευσης | 2023 | - |
| Θεματική Κατηγορία | Μοντέλα μηχανικής μάθησης | el |
| Θεματική Κατηγορία | Machine learning model | en |
| Θεματική Κατηγορία | Εκτίμηση τιμής | el |
| Θεματική Κατηγορία | Price prediction | en |
| Θεματική Κατηγορία | Machine Learning Algorithms | en |
| Θεματική Κατηγορία | Αλγόριθμοι μηχανικής μάθησης | el |
| Βιβλιογραφική Αναφορά | Χρύσα Αντρία, "Αλγόριθμοι μηχανικής μάθησης για την πρόβλεψη τιμών ενοικίασης καταλυμάτων βραχυχρόνιας μίσθωσης", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2023 | el |
| Βιβλιογραφική Αναφορά | Chrysa Antria, "Machine learning algorithms for predicting the prices of short term rental properties", Master Thesis, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2023 | en |
Copyright © DIAS 2013
