Makine öğrenmesi yöntemlerinin toplu gayrimenkul değerleme çalışmaları açısından değerlendirilmesi

Bu çalışmada, toplu gayrimenkul değerleme için makine öğrenmesi yöntemlerinin kullanımı, geniş bir sahaya uygulanan 5 yöntemin etkinliği, tahmin doğrulukları, ve şeffaflığı dikkate alınarak incelenmiştir. Çalışma alanı Türkiye'nin başkenti Ankara Kenti Mamak İlçesi içinde yer almaktadır. Bu tezde kullanılan veriler özenle denetlenmiş ve incelenmiştir ve yüksek kaliteye ve güvenilirliğe sahiptir. Öte yandan, toplu değerlendirme çalışmalarında, makine öğrenmesi yöntemlerinin uygulanabilirliği, elde edilen sonuçların klasik yöntemlere göre hassasiyetleri, güvenilirliği, yorumlanabilirliği ve açıklanabilirliği tartışılmıştır. Elde edilen sonuçlar incelendiğinde, makina öğrenmesi tabanlı gayrimenkul değerleme yöntemlerinin, birçok gayrimenkulü aynı anda ve çok daha hızlı bir şekilde değerleyebileceği, bu sayede de geleneksel değerleme yöntemlerine göre tercih edilebileceği anlaşılmıştır. Değerleme çalışmaları kapsamında karşılaştırılan yöntemlerden, Rastgele Orman en yüksek tahmin hassasiyetini elde etmiş olup, diğer yöntemler sırasıyla yapay sinir ağları, destek vektör makinaları, çoklu regresyon analizi ve uyarlanabilir sinirsel (nöron) bulanık çıkarım sistemi olarak yüksek doğruluk sağlamıştır. Karşılaştırmalı çalışmanın bir başka sonucu ise, doğrusal olmayan makine öğrenmesi yöntemlerinin yorumlanabilirlik ve şeffaflık açısından kullanılabilirliğinin tartışılması gerektiğidir. Bu şekilde değerleme çalışmasının amacına göre kullanılabilecek yöntemler tez kapsamında detaylı olarak incelenmiş ve yeni çalışmalara katkı sağlamak amacı ile paylaşılmıştır. Ayrıca toplu değerleme çalışmaları alanında sunulan yöntemlerin gayrimenkul değerleme alanında henüz kurumsallaşmamış olan Türkiye'ye olası katkıları ile örnek bir gayrimenkul değerleme sistemi önerisi geliştirilmiştir.