การทำนายราคาที่ดินด้วยการเรียนรู้ของเครื่องในอำเภอเมืองขอนแก่น
การวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาโมเดลการประเมินราคาที่ดิน และศึกษาปัจจัยที่มีอิทธิพลต่อราคาที่ดิน ด้วยการเรียนรู้ของเครื่อง ที่ใช้เป็นแนวทางของการกำหนดราคาประเมินให้ได้ใกล้เคียงกับราคาซื้อขายจริงในอำเภอเมืองขอนแก่น จากข้อมูลราคาที่ดินที่มีการซื้อขายในเว็บไซต์กรมบังคับคดี 193 แห่ง และข้อมูลราคาประ...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Surindra Rajabhat University, Faculty of Science and Technology, Department of Computer Education
2024-08-01
|
| Series: | Journal of Computer and Creative Technology |
| Subjects: | |
| Online Access: | https://so13.tci-thaijo.org/index.php/jcct/article/view/669 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1850073879549050880 |
|---|---|
| author | โยษิตา ศรีวุฒิทรัพย์ ดุสิตา สังข์กลิ่นหอม ศักดิ์พจน์ ทองเลี่ยมนาค ธนพล ตั้งชูพงศ์ |
| author_facet | โยษิตา ศรีวุฒิทรัพย์ ดุสิตา สังข์กลิ่นหอม ศักดิ์พจน์ ทองเลี่ยมนาค ธนพล ตั้งชูพงศ์ |
| author_sort | โยษิตา ศรีวุฒิทรัพย์ |
| collection | DOAJ |
| description | การวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาโมเดลการประเมินราคาที่ดิน และศึกษาปัจจัยที่มีอิทธิพลต่อราคาที่ดิน ด้วยการเรียนรู้ของเครื่อง ที่ใช้เป็นแนวทางของการกำหนดราคาประเมินให้ได้ใกล้เคียงกับราคาซื้อขายจริงในอำเภอเมืองขอนแก่น จากข้อมูลราคาที่ดินที่มีการซื้อขายในเว็บไซต์กรมบังคับคดี 193 แห่ง และข้อมูลราคาประเมินของกรมที่ดิน 1500 แห่ง ในการศึกษาปัจจัยที่เกี่ยวข้องได้แก่ ราคาประเมิน ประเภททรัพย์ ขนาดพื้นที่ ระยะทาง และราคาประเมินเฉลี่ยจากที่ดินห้าผืนใกล้เคียง โมเดลที่ใช้ในการวิเคราะห์ ได้แก่ ต้นไม้ตัดสินใจแบบถดถอย เเรนดอมฟอเรสท์ เกรเดียนบูสทรี และการถดถอยเชิงเส้น ซึ่งการประเมินราคาที่ดินจากกรณีศึกษาโดยการวัดผลโมเดลในค่าความคลาดเคลื่อนเฉลี่ยสัมบูรณ์ ค่าความคลาดเคลื่อนเฉลี่ยรากที่สอง ค่าสัมประสิทธิ์กำลังสองของการอธิบายความแปรปรวน การค้นหาแบบกริด และการประเมินประสิทธิภาพแบบไขว้ทบเพื่อคัดเลือกพารามิเตอร์ของโมเดล และประเมินประสิทธิภาพ ผลวิจัยพบว่า โมเดลที่มีผลการทำนายข้อมูลที่ดีที่สุดคือเกรเดียนบูสทรี ที่มีค่าสัมประสิทธิ์กำลังสองของการอธิบายความแปรปรวนสูงสุดเท่ากับ 0.80 ค่าความคลาดเคลื่อนเฉลี่ยสัมบูรณ์ และค่าความคลาดเคลื่อนเฉลี่ยรากที่สองต่ำสุด เท่ากับ 7929.40 และ 15281.33 ตามลำดับ ความสำคัญของคุณลักษณะในกลุ่มสถานที่ที่มีผลต่อการทำนายมากที่สุด รองลงมาคือขนาดพื้นที่ ราคาประเมินเฉลี่ยจากห้าตำแหน่งใกล้เคียง และประเภททรัพย์ |
| format | Article |
| id | doaj-art-85b388cbafd9460b9f9c33ffbabc7988 |
| institution | DOAJ |
| issn | 2985-1580 2985-1599 |
| language | English |
| publishDate | 2024-08-01 |
| publisher | Surindra Rajabhat University, Faculty of Science and Technology, Department of Computer Education |
| record_format | Article |
| series | Journal of Computer and Creative Technology |
| spelling | doaj-art-85b388cbafd9460b9f9c33ffbabc79882025-08-20T02:46:43ZengSurindra Rajabhat University, Faculty of Science and Technology, Department of Computer EducationJournal of Computer and Creative Technology2985-15802985-15992024-08-0122718610.14456/jcct.2024.8674การทำนายราคาที่ดินด้วยการเรียนรู้ของเครื่องในอำเภอเมืองขอนแก่นโยษิตา ศรีวุฒิทรัพย์0https://orcid.org/0009-0005-4958-6211ดุสิตา สังข์กลิ่นหอม1https://orcid.org/0009-0009-7214-3637ศักดิ์พจน์ ทองเลี่ยมนาค2https://orcid.org/0000-0001-9027-7836ธนพล ตั้งชูพงศ์3https://orcid.org/0009-0008-9197-4703นักศึกษา สาขาวิชาวิทยาการคอมพิวเตอร์ วิทยาลัยการคอมพิวเตอร์ มหาวิทยาลัยขอนแก่น จังหวัดขอนแก่น 40002 ประเทศไทยนักศึกษา สาขาวิชาวิทยาการคอมพิวเตอร์ วิทยาลัยการคอมพิวเตอร์ มหาวิทยาลัยขอนแก่น จังหวัดขอนแก่น 40002 ประเทศไทยอาจารย์ ดร. สาขาวิชาวิทยาการคอมพิวเตอร์ วิทยาลัยการคอมพิวเตอร์ มหาวิทยาลัยขอนแก่น จังหวัดขอนแก่น 40002 ประเทศไทยอาจารย์ สาขาวิชาวิทยาการคอมพิวเตอร์ วิทยาลัยการคอมพิวเตอร์ มหาวิทยาลัยขอนแก่น จังหวัดขอนแก่น 40002 ประเทศไทยการวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาโมเดลการประเมินราคาที่ดิน และศึกษาปัจจัยที่มีอิทธิพลต่อราคาที่ดิน ด้วยการเรียนรู้ของเครื่อง ที่ใช้เป็นแนวทางของการกำหนดราคาประเมินให้ได้ใกล้เคียงกับราคาซื้อขายจริงในอำเภอเมืองขอนแก่น จากข้อมูลราคาที่ดินที่มีการซื้อขายในเว็บไซต์กรมบังคับคดี 193 แห่ง และข้อมูลราคาประเมินของกรมที่ดิน 1500 แห่ง ในการศึกษาปัจจัยที่เกี่ยวข้องได้แก่ ราคาประเมิน ประเภททรัพย์ ขนาดพื้นที่ ระยะทาง และราคาประเมินเฉลี่ยจากที่ดินห้าผืนใกล้เคียง โมเดลที่ใช้ในการวิเคราะห์ ได้แก่ ต้นไม้ตัดสินใจแบบถดถอย เเรนดอมฟอเรสท์ เกรเดียนบูสทรี และการถดถอยเชิงเส้น ซึ่งการประเมินราคาที่ดินจากกรณีศึกษาโดยการวัดผลโมเดลในค่าความคลาดเคลื่อนเฉลี่ยสัมบูรณ์ ค่าความคลาดเคลื่อนเฉลี่ยรากที่สอง ค่าสัมประสิทธิ์กำลังสองของการอธิบายความแปรปรวน การค้นหาแบบกริด และการประเมินประสิทธิภาพแบบไขว้ทบเพื่อคัดเลือกพารามิเตอร์ของโมเดล และประเมินประสิทธิภาพ ผลวิจัยพบว่า โมเดลที่มีผลการทำนายข้อมูลที่ดีที่สุดคือเกรเดียนบูสทรี ที่มีค่าสัมประสิทธิ์กำลังสองของการอธิบายความแปรปรวนสูงสุดเท่ากับ 0.80 ค่าความคลาดเคลื่อนเฉลี่ยสัมบูรณ์ และค่าความคลาดเคลื่อนเฉลี่ยรากที่สองต่ำสุด เท่ากับ 7929.40 และ 15281.33 ตามลำดับ ความสำคัญของคุณลักษณะในกลุ่มสถานที่ที่มีผลต่อการทำนายมากที่สุด รองลงมาคือขนาดพื้นที่ ราคาประเมินเฉลี่ยจากห้าตำแหน่งใกล้เคียง และประเภททรัพย์https://so13.tci-thaijo.org/index.php/jcct/article/view/669ประเมินราคาที่ดินการเรียนรู้ของเครื่องปัจจัยสำคัญ |
| spellingShingle | โยษิตา ศรีวุฒิทรัพย์ ดุสิตา สังข์กลิ่นหอม ศักดิ์พจน์ ทองเลี่ยมนาค ธนพล ตั้งชูพงศ์ การทำนายราคาที่ดินด้วยการเรียนรู้ของเครื่องในอำเภอเมืองขอนแก่น Journal of Computer and Creative Technology ประเมินราคาที่ดิน การเรียนรู้ของเครื่อง ปัจจัยสำคัญ |
| title | การทำนายราคาที่ดินด้วยการเรียนรู้ของเครื่องในอำเภอเมืองขอนแก่น |
| title_full | การทำนายราคาที่ดินด้วยการเรียนรู้ของเครื่องในอำเภอเมืองขอนแก่น |
| title_fullStr | การทำนายราคาที่ดินด้วยการเรียนรู้ของเครื่องในอำเภอเมืองขอนแก่น |
| title_full_unstemmed | การทำนายราคาที่ดินด้วยการเรียนรู้ของเครื่องในอำเภอเมืองขอนแก่น |
| title_short | การทำนายราคาที่ดินด้วยการเรียนรู้ของเครื่องในอำเภอเมืองขอนแก่น |
| title_sort | การทำนายราคาที่ดินด้วยการเรียนรู้ของเครื่องในอำเภอเมืองขอนแก่น |
| topic | ประเมินราคาที่ดิน การเรียนรู้ของเครื่อง ปัจจัยสำคัญ |
| url | https://so13.tci-thaijo.org/index.php/jcct/article/view/669 |
| work_keys_str_mv | AT yosʹitāṣrīwutʹhithrạphy kārthảnāyrākhāthīdindwykārreīynrūkhxngkherụxngnıxảphexmeụxngkhxnkæn AT dusitāsạngkhklìnhxm kārthảnāyrākhāthīdindwykārreīynrūkhxngkherụxngnıxảphexmeụxngkhxnkæn AT ṣạkdiphcnthxngleīymnākh kārthảnāyrākhāthīdindwykārreīynrūkhxngkherụxngnıxảphexmeụxngkhxnkæn AT ṭhnphltậngchūphngṣ kārthảnāyrākhāthīdindwykārreīynrūkhxngkherụxngnıxảphexmeụxngkhxnkæn |