Bối cảnh và vấn đề nghiên cứu

Thẩm định giá bất động sản giữ vai trò then chốt trong việc hỗ trợ các cơ quan quản lý Nhà nước, tổ chức tài chính, doanh nghiệp và cá nhân đưa ra các quyết định liên quan đến mua bán, đầu tư, cấp tín dụng thế chấp, quản lý, tính thuế, bảo hiểm và xử lý nợ xấu. Việc xác định chính xác giá trị thị trường của bất động sản giúp giảm thiểu xung đột về giá giữa các bên tham gia giao dịch, đồng thời hạn chế rủi ro thất thoát vốn cho các tổ chức cho vay khi phát mại tài sản bảo đảm.

Trong thực tế tại Việt Nam, công tác định giá tài sản phần lớn vẫn phụ thuộc vào các phương pháp thẩm định giá truyền thống do các thẩm định viên thực hiện. Phương thức này chịu ảnh hưởng lớn từ kỹ năng chuyên môn và góc nhìn chủ quan của người đánh giá, đồng thời bị giới hạn về số lượng biến số có thể xem xét đồng thời (thường chỉ từ 10 đến 15 yếu tố). Trong khi đó, người mua và người bán khi tìm kiếm thông tin trên môi trường trực tuyến thường gặp trở ngại do nguồn dữ liệu bất động sản rất lớn nhưng có độ nhiễu cao, nhiều thông tin khuyết thiếu và hiếm khi có hai bất động sản hoàn toàn tương đồng để đối chiếu thủ công. Do đó, việc xây dựng các mô hình tự động ứng dụng thuật toán học máy nhằm định giá bất động sản một cách khách quan, nhanh chóng và có khả năng xử lý đồng thời nhiều biến số là một yêu cầu thực tiễn cấp thiết.

Khóa luận xác định các nhiệm vụ nghiên cứu cụ thể bao gồm:

  1. Tổng hợp cơ sở lý luận về thị trường bất động sản, các yếu tố tác động đến giá trị bất động sản và phân tích ưu, nhược điểm của các phương pháp thẩm định giá truyền thống so với phương pháp học máy.
  2. Hệ thống hóa cơ sở toán học của các mô hình hồi quy học máy tiêu biểu dùng trong dự đoán biến liên tục, bao gồm: hồi quy tuyến tính đơn giản, hồi quy tuyến tính bội, hồi quy Ridge và hồi quy vectơ hỗ trợ (Support Vector Regression - SVR).
  3. Thu thập dữ liệu thực tế từ website đăng tin bất động sản, xây dựng quy trình tiền xử lý dữ liệu thô, xử lý tọa độ địa lý, mã hóa biến phân loại và xử lý giá trị khuyết thiếu bằng kỹ thuật học máy.
  4. Thực nghiệm huấn luyện các mô hình hồi quy trên nền tảng điện toán đám mây, tối ưu hóa siêu tham số, kiểm tra hiện tượng đa cộng tuyến và đánh giá, so sánh hiệu năng của các mô hình dựa trên các chỉ số sai số thống kê và thời gian thực thi.

Về đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Giá trị thị trường của bất động sản nhà ở và các yếu tố đặc tính nội tại, vị trí, pháp lý tác động đến giá nhà.
  • Phạm vi không gian: Địa bàn thành phố Hà Nội.
  • Phạm vi thời gian: Tập dữ liệu tin đăng rao bán bất động sản nhà ở được thu thập trong tháng 4 năm 2022.

Cơ sở lý thuyết và phương pháp

Cơ sở pháp lý và khung khái niệm của nghiên cứu dựa trên các văn bản quy phạm pháp luật của Việt Nam:

  • Khái niệm bất động sản theo quy định tại Điều 107 Bộ luật Dân sự năm 2015, bao gồm: đất đai; nhà, công trình xây dựng gắn liền với đất đai; tài sản khác gắn liền với đất đai, nhà, công trình xây dựng; và tài sản khác do pháp luật quy định.
  • Định nghĩa thẩm định giá theo Khoản 15 Điều 4 Luật Giá năm 2013: là việc cơ quan, tổ chức có chức năng thẩm định giá xác định giá trị bằng tiền của các loại tài sản theo quy định của Bộ luật Dân sự phù hợp với giá thị trường tại một địa điểm, thời điểm nhất định, phục vụ cho mục đích nhất định theo tiêu chuẩn thẩm định giá.

Khóa luận tổng quan 5 phương pháp thẩm định giá truyền thống:

  1. Phương pháp so sánh trực tiếp: Xác định giá trị dựa trên việc phân tích mức giá của các tài sản tương tự đã giao dịch trên thị trường để điều chỉnh các yếu tố khác biệt.
  2. Phương pháp chi phí: Ước tính chi phí xây dựng tài sản tương đương trừ đi giá trị hao mòn tích lũy và cộng với giá trị thị trường của đất ($\text{Giá thị trường} = \text{Giá trị đất} + \text{Chi phí tái tạo} - \text{Hao mòn tích lũy}$).
  3. Phương pháp thu nhập: Gồm phương pháp vốn hóa trực tiếp ($\text{Giá trị} = \frac{\text{Thu nhập ròng}}{\text{Tỷ suất vốn hóa}}$) và phương pháp dòng tiền chiết khấu (DCF).
  4. Phương pháp thặng dư: Xác định giá trị dựa trên tiềm năng phát triển ($\text{Giá trị BĐS} = \text{Giá trị phát triển} - \text{Chi phí phát triển} - \text{Lợi nhuận nhà đầu tư}$).
  5. Phương pháp lợi nhuận: Ước tính giá trị dựa trên khả năng sinh lợi từ hoạt động kinh doanh đặc thù của tài sản (khách sạn, rạp chiếu phim).

Các phương pháp và công cụ nghiên cứu thực nghiệm được tác giả triển khai:

  • Phương pháp thu thập dữ liệu tự động (Web Scraping): Sử dụng phần mềm Octoparse để trích xuất dữ liệu có cấu trúc từ website alonhadat.vn.
  • Phương pháp xử lý không gian địa lý: Sử dụng thư viện Geopy trong ngôn ngữ Python để chuyển đổi chuỗi văn bản địa chỉ hành chính thành tọa độ kinh độ (Longitude) và vĩ độ (Latitude).
  • Phương pháp xử lý dữ liệu khuyết thiếu: Áp dụng thuật toán $K$ láng giềng gần qua mô-đun KNNImputer (với tham số $n_neighbors = 5$) trong thư viện Scikit-learn.
  • Phương pháp kiểm định đa cộng tuyến: Sử dụng hệ số phóng đại phương sai (Variance Inflation Factor - VIF) với công thức $VIF = \frac{1}{1 - R_j^2}$.
  • Phương pháp học máy hồi quy: Triển khai hồi quy tuyến tính bội (ước lượng bình phương nhỏ nhất OLS), hồi quy Ridge (bổ sung tham số phạt $\lambda$ thu hẹp hệ số) và hồi quy vectơ hỗ trợ SVR (sử dụng hàm mất mát $\epsilon$-insensitive và hàm nhân phi tuyến Gaussian RBF Kernel).
  • Phương pháp tối ưu siêu tham số: Sử dụng kỹ thuật tìm kiếm lưới kết hợp kiểm định chéo (GridSearchCV).
  • Chỉ số đánh giá hiệu năng mô hình: Sai số trung bình tuyệt đối (MAE), Sai số toàn phương trung bình (MSE) và Căn bậc hai sai số toàn phương trung bình (RMSE).
  • Môi trường thực thi: Nền tảng điện toán đám mây Google Colab, ngôn ngữ lập trình Python kết hợp các thư viện Pandas, NumPy và Scikit-learn.

Nội dung chính theo từng chương

Chương 1: Tổng quan về các phương pháp định giá bất động sản

Chương 1 khái quát quá trình hình thành và biến động của thị trường bất động sản Việt Nam từ năm 1993 đến năm 2020 gắn liền với các mốc pháp lý và kinh tế quan trọng:

  • Năm 1993: Quốc hội thông qua Luật Đất đai đầu tiên và Pháp lệnh Nhà ở, tạo cơ sở pháp lý ban đầu cho quyền sử dụng đất và khởi phát cơn sốt đất lần thứ nhất.
  • Giai đoạn 2001–2003: Cơn sốt đất lần thứ hai tập trung vào nhà mặt tiền và đất dự án với hoạt động đầu cơ tăng cao; sau đó thị trường trầm lắng từ cuối năm 2003.
  • Năm 2005: Bảng giá đất mới điều chỉnh sát giá thực tế làm tăng chi phí giải phóng mặt bằng, dòng vốn chuyển dịch sang thị trường chứng khoán.
  • Năm 2007: Việt Nam gia nhập Tổ chức Thương mại Thế giới (WTO), thị trường đạt đỉnh ở phân khúc căn hộ cao cấp và biệt thự.
  • Giai đoạn 2009–2013: Suy thoái kinh tế toàn cầu khiến thị trường bất động sản đóng băng, giá nhà đất giảm sâu.
  • Năm 2014: Luật Nhà ở và Luật Kinh doanh bất động sản ban hành, kinh tế vĩ mô ổn định thúc đẩy thị trường phục hồi.
  • Giai đoạn 2018–2019: Xuất hiện các đợt sốt đất cục bộ tại Vân Đồn, Bắc Vân Phong, Phú Quốc và vùng ven các đô thị lớn trước khi suy giảm nguồn cung và khối lượng giao dịch vào cuối năm 2019.
  • Năm 2020: Đại dịch Covid-19 tác động mạnh, thị trường khan hiếm nguồn cung mới và thanh khoản giảm sút.

Tác giả phân loại các yếu tố ảnh hưởng đến giá bất động sản thành ba nhóm chính:

  1. Nhóm yếu tố trực tiếp: Vị trí (vị trí tương đối và tuyệt đối), kích thước và không gian (diện tích, chiều dài, chiều ngang, số phòng ngủ, phòng vệ sinh), địa hình, môi trường xung quanh, yếu tố thiên nhiên, tiềm năng sinh lợi kinh tế và tương quan cung cầu thị trường.
  2. Nhóm yếu tố pháp lý: Tình trạng giấy tờ sở hữu (sổ đỏ/sổ hồng, giấy phép xây dựng) và các quy định hạn chế về xây dựng.
  3. Nhóm yếu tố bên ngoài: Chính sách chính trị - pháp lý, các chỉ số kinh tế vĩ mô (tăng trưởng GDP, thu nhập bình quân đầu người, chính sách thuế, tín dụng) và yếu tố xã hội (mật độ dân số, hạ tầng y tế, giáo dục, an ninh).

Chương 1 cũng phân tích chi tiết vai trò của hoạt động định giá đối với thẩm định viên, tổ chức tín dụng, công chứng viên, người mua và người bán; đồng thời đối chiếu ưu nhược điểm của 5 phương pháp định giá truyền thống với phương pháp định giá tự động bằng học máy. Tác giả tổng hợp các nghiên cứu tiền đề ứng dụng học máy trong định giá bất động sản trên thế giới của Nils Kok và cộng sự, Del Cacho (2010 với 25.000 bất động sản tại Madrid), Li và Chu (2017) và nghiên cứu ứng dụng thuật toán LASSO tại quận Long Biên (Hà Nội) và Montreal đăng trên Tạp chí Khoa học Nông nghiệp Việt Nam.

Chương 2: Cơ sở lý thuyết của một số phương pháp học máy dự đoán giá bất động sản

Chương 2 trình bày chi tiết nền tảng toán học của 4 mô hình hồi quy:

  1. Hồi quy tuyến tính đơn giản: Thiết lập quan hệ giữa một biến độc lập $x$ và biến phụ thuộc $y$ qua phương trình $y = \beta_0 + \beta_1 x + \epsilon$. Các tham số $\beta_0$ (hệ số chặn) và $\beta_1$ (hệ số góc) được ước lượng bằng phương pháp bình phương nhỏ nhất (Ordinary Least Squares - OLS) nhằm tối thiểu hóa tổng bình phương phần dư $\sum e_i^2 = \sum (y_i - \hat{y}_i)^2 \to \min$.

  2. Hồi quy tuyến tính bội: Mở rộng với $k$ biến độc lập theo phương trình: $$Y = \beta_1 + \beta_2 X_2 + \beta_3 X_3 + \dots + \beta_k X_k + e$$ Dưới dạng ma trận $Y = X\beta + e$, nghiệm ước lượng OLS thỏa mãn hệ thức: $$\hat{\beta} = (X'X)^{-1} X'Y$$ Tác giả đi sâu vào hiện tượng đa cộng tuyến giữa các biến độc lập khi ma trận $X'X$ gần suy biến, làm tăng phương sai của các ước lượng. Hiện tượng này được đo lường thông qua hệ số $VIF = \frac{1}{1 - R_j^2}$; nếu $VIF > 10$, biến giải thích $X_j$ có hiện tượng đa cộng tuyến nghiêm trọng.

  3. Hồi quy Ridge (Ridge Regression): Giải quyết khuyết tật đa cộng tuyến và hiện tượng quá khớp (overfitting) của OLS bằng cách đưa thêm thành phần phạt $\lambda$ vào đường chéo ma trận: $$\hat{\beta}_{\text{Ridge}} = (X'X + \lambda I)^{-1} X'Y$$ Tham số điều chỉnh $\lambda \ge 0$ thực hiện co độ lớn của các hệ số hồi quy về phía 0. Khi $\lambda = 0$, mô hình trở về OLS truyền thống; khi $\lambda > 0$, mô hình chấp nhận độ chệch nhỏ (bias) để đổi lấy sự sụt giảm đáng kể về phương sai (variance), từ đó cải thiện khả năng tổng quát hóa trên dữ liệu mới.

  4. Hồi quy vectơ hỗ trợ (Support Vector Regression - SVR): Phát triển từ lý thuyết máy vectơ hỗ trợ (SVM) của Vladimir Vapnik (1992). SVR thiết lập siêu phẳng dự đoán $f(x) = \langle w, \phi(x) \rangle + b$ bên trong một dải ống sai số $\epsilon$-insensitive ($\epsilon$-tube). Bài toán tối ưu hóa lồi có dạng: $$\min_{w, b, \xi, \xi^} \frac{1}{2} ||w||^2 + C \sum_{i=1}^n (\xi_i + \xi_i^)$$ với các ràng buộc: $$\begin{cases} y_i - \langle w, \phi(x_i) \rangle - b \le \epsilon + \xi_i \ \langle w, \phi(x_i) \rangle + b - y_i \le \epsilon + \xi_i^* \ \xi_i, \xi_i^* \ge 0 \end{cases}$$ Trong đó, $C > 0$ là tham số cân bằng giữa độ phẳng của hàm và mức độ phạt lỗi sai số vượt ngoài biên $\epsilon$; hàm nhân Gaussian RBF Kernel $K(x_i, x) = \exp(-\gamma ||x_i - x||^2)$ với tham số độ rộng $\gamma$ được sử dụng để ánh xạ phi tuyến các đặc trưng sang không gian nhiều chiều.

Chương 3: Thực nghiệm và đánh giá mô hình học máy dự đoán giá bất động sản nhà ở tại Hà Nội

Chương 3 triển khai quy trình thực nghiệm gồm 5 bước tuần tự: Thu thập dữ liệu $\to$ Tiền xử lý dữ liệu $\to$ Kiểm tra đa cộng tuyến $\to$ Huấn luyện và tinh chỉnh mô hình $\to$ So sánh và đánh giá hiệu năng.

  1. Thu thập dữ liệu: Tác giả sử dụng Octoparse thu thập dữ liệu tin đăng rao bán nhà ở tại Hà Nội trong tháng 4/2022 từ website alonhadat.vn. Do cấu trúc website này giữ cố định các trường thông tin ngay cả khi không có dữ liệu, luồng thu thập tự động tránh được hiện tượng nhảy lệch cột. Tổng số dữ liệu thô thu thập được là 31.747 bản ghi với 13 trường thuộc tính ban đầu.
STT Tên thuộc tính Ý nghĩa dữ liệu Dạng dữ liệu và quy tắc xử lý/mã hóa
1 GiaBan Giá rao bán căn nhà Biến liên tục (loại bỏ đơn vị tính, đổi dấu , thành .)
2 DienTich Tổng diện tích căn nhà ($m^2$) Biến liên tục (loại bỏ đơn vị tính, đổi dấu , thành .)
3 DiaChi Địa chỉ hành chính căn nhà Chuyển đổi qua thư viện Geopy thành Latitude và Longitude
4 LoaiBDS Phân loại nhà ở Biến định danh: Nhà mặt tiền $= 0$; Nhà trong hẻm $= 1$
5 ChieuNgang Chiều ngang mặt tiền ($m$) Biến liên tục (điền khuyết thiếu bằng KNNImputer)
6 ChieuDai Chiều dài căn nhà ($m$) Biến liên tục (khuyết thiếu $>71%$, điền bằng KNNImputer)
7 DuongTruocNha Độ rộng đường trước nhà ($m$) Biến liên tục (loại bỏ đơn vị tính, chuẩn hóa số thập phân)
8 PhapLy Giấy tờ pháp lý sở hữu Biến định danh: None $= 0$; Sổ hồng/Sổ đỏ $= 1$; Giấy phép XD $= 2$
9 SoTang Tổng số tầng Biến rời rạc (điền khuyết thiếu bằng KNNImputer)
10 SoPhongNgu Tổng số phòng ngủ Biến rời rạc (điền khuyết thiếu bằng KNNImputer)
11 PhongAn Tiện ích phòng ăn Biến nhị phân: Có $= 1$; Không/dấu "---" $= 0$
12 NhaBep Tiện ích nhà bếp Biến nhị phân: Có $= 1$; Không/dấu "---" $= 0$
13 SanThuong Tiện ích sân thượng Biến nhị phân: Có $= 1$; Không/dấu "---" $= 0$
14 ChoDeXe Chỗ để xe hơi Biến nhị phân: Có $= 1$; Không/dấu "---" $= 0$
  1. Tiền xử lý dữ liệu:
  • Tọa độ hóa địa chỉ: Sử dụng Geopy chuyển trường DiaChi thành hai biến kinh độ và vĩ độ. Tác giả tiến hành loại bỏ toàn bộ các bản ghi không thể xác định được tọa độ, số lượng mẫu sau khi lọc còn 14.239 bản ghi (lưu tại tệp BDSNHAO_update.csv).
  • Làm sạch định dạng: Loại bỏ các đơn vị đo lường đính kèm số, thay thế dấu phẩy ngăn cách thập phân thành dấu chấm.
  • Xử lý ký hiệu đặc biệt: Ký hiệu "---" được quy đổi thành giá trị thiếu (NaN) đối với các biến định lượng, hoặc thành giá trị 0 đối với các biến tiện ích.
  • Xử lý dữ liệu khuyết thiếu: Bốn cột có giá trị thiếu gồm ChieuNgang, ChieuDai, SoTang, SoPhongNgu (trong đó ChieuDai thiếu trên 71%). Tác giả không xóa dòng hoặc thay bằng giá trị trung bình/trung vị mà áp dụng thuật toán KNNImputer với $n_neighbors = 5$ từ Scikit-learn để bảo toàn lượng thông tin của tập mẫu.
  • Xử lý giá trị ngoại lai: Loại bỏ các quan sát dị biệt ở các biến định lượng nhằm ổn định phương sai.
  1. Kiểm tra đa cộng tuyến và phân tích thực nghiệm: Tác giả tính toán chỉ số VIF cho các biến độc lập trên 3 tập dữ liệu: tập dữ liệu tổng thể nhà ở, tập dữ liệu nhà mặt tiền và tập dữ liệu nhà trong hẻm; tiến hành loại bỏ các biến có VIF cao trước khi huấn luyện. Quá trình tối ưu siêu tham số cho Ridge ($\lambda$) và SVR ($C, \epsilon, \gamma$) được thực hiện thông qua hàm GridSearchCV. Cuối cùng, 3 mô hình (hồi quy tuyến tính bội, hồi quy Ridge, hồi quy SVR) được đánh giá đối chứng thông qua bảng so sánh các chỉ số MAE, MSE, RMSE và thời gian tính toán trên cả 3 bộ dữ liệu.

Kết quả và đóng góp

Khóa luận đạt được các kết quả cụ thể sau:

  • Xây dựng thành công quy trình tự động thu thập và tiền xử lý bộ dữ liệu thực tế gồm 31.747 tin đăng bất động sản nhà ở tại Hà Nội, làm sạch và chuẩn hóa thành công 14.239 bản ghi có đầy đủ tọa độ địa lý (kinh độ, vĩ độ) cùng các đặc trưng không gian, kết cấu và pháp lý.
  • Giải quyết hiệu quả bài toán khuyết thiếu dữ liệu lớn (trường chiều dài khuyết trên 71%) bằng thuật toán học máy KNNImputer ($k=5$), giúp bảo toàn kích thước mẫu và nâng cao độ tin cậy cho quá trình huấn luyện hồi quy.
  • Triển khai thực nghiệm, hiệu chỉnh siêu tham số và so sánh có hệ thống 3 mô hình hồi quy (tuyến tính bội OLS, hồi quy Ridge, hồi quy vectơ hỗ trợ SVR) trên 3 tập dữ liệu chuyên biệt (toàn bộ nhà ở, phân khúc nhà mặt tiền, phân khúc nhà trong hẻm) kèm phân tích tác động của đa cộng tuyến (chỉ số VIF).
  • Về mặt giải pháp và ứng dụng: Đề xuất khả năng ứng dụng các mô hình học máy tự động vào công tác định giá sơ bộ bất động sản, hỗ trợ các ngân hàng thương mại kiểm soát rủi ro cho vay thế chấp và cung cấp công cụ tham khảo khách quan cho người tham gia giao dịch nhà đất.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận chỉ rõ các giới hạn còn tồn tại:

  • Phạm vi dữ liệu thực nghiệm mới chỉ thu thập trên một website đăng tin duy nhất (alonhadat.vn) trong mốc thời gian tháng 4 năm 2022, chưa phản ánh được biến động giá theo chuỗi thời gian nhiều năm.
  • Không gian nghiên cứu chỉ tập trung vào phân khúc bất động sản nhà ở trên địa bàn thành phố Hà Nội, chưa mở rộng sang các phân khúc khác (căn hộ chung cư, đất nền dự án, bất động sản thương mại) hoặc các địa phương khác.
  • Mô hình chưa tích hợp được các yếu tố ngoại cảnh quan trọng như quy hoạch đô thị, chỉ số kinh tế vĩ mô, biến động lãi suất và hạ tầng xã hội chi tiết do các bài đăng tin rao bán trực tuyến không cung cấp các trường dữ liệu này.

Hướng nghiên cứu tiếp theo được tác giả gợi mở:

  • Mở rộng phạm vi thu thập dữ liệu đa nguồn từ nhiều cổng thông tin bất động sản khác nhau và theo dõi biến động theo chuỗi thời gian dài.
  • Tích hợp thêm các biến số về kinh tế vĩ mô và hạ tầng tiện ích xung quanh dựa trên hệ thống thông tin địa lý (GIS).
  • Thử nghiệm và đánh giá thêm các thuật toán học máy phi tuyến và học sâu phức tạp khác (như cây quyết định, rừng ngẫu nhiên - Random Forest, Gradient Boosting, mạng nơ-ron nhân tạo).

Giá trị tham khảo

Tài liệu là nguồn tham khảo hữu ích cho:

  • Sinh viên, học viên ngành Hệ thống thông tin quản lý, Khoa học dữ liệu, Công nghệ thông tin ứng dụng: Tham khảo chi tiết phương pháp xây dựng luồng cào dữ liệu web bằng Octoparse, kỹ thuật trích xuất tọa độ địa lý bằng thư viện Geopy, phương pháp điền khuyết thiếu bằng KNNImputer và quy trình tối ưu siêu tham số bằng GridSearchCV trên Google Colab.
  • Sinh viên và nhà nghiên cứu ngành Kinh tế bất động sản, Thẩm định giá tài sản: Tham khảo hệ thống lý luận về 5 phương pháp thẩm định giá truyền thống, bức tranh lịch sử các chu kỳ thị trường bất động sản Việt Nam từ 1993 đến 2020 và cách thức thiết lập các biến số đặc trưng của nhà ở phục vụ định giá tự động.

Câu hỏi thường gặp

  1. Nguồn dữ liệu và công cụ thu thập dữ liệu được khóa luận sử dụng là gì? Tác giả sử dụng công cụ Octoparse để trích xuất tự động 31.747 tin đăng rao bán bất động sản nhà ở tại Hà Nội trong tháng 4/2022 từ website alonhadat.vn.

  2. Quy trình xử lý trường địa chỉ (DiaChi) và số lượng dữ liệu thay đổi như thế nào? Trường địa chỉ được chuyển đổi sang hai biến số thực là kinh độ (Longitude) và vĩ độ (Latitude) bằng thư viện Geopy trong Python. Các bản ghi không xác định được tọa độ bị loại bỏ, đưa kích thước tập dữ liệu từ 31.747 xuống còn 14.239 bản ghi hợp lệ.

  3. Tác giả xử lý vấn đề dữ liệu khuyết thiếu (đặc biệt là trường chiều dài bị thiếu hơn 71%) bằng kỹ thuật nào? Tác giả sử dụng mô-đun KNNImputer trong thư viện Scikit-learn với tham số $n_neighbors = 5$ (thuật toán $K$ láng giềng gần) để ước lượng và điền giá trị khuyết thiếu cho 4 biến: ChieuNgang, ChieuDai, SoTang, SoPhongNgu.

  4. Khóa luận nghiên cứu và so sánh những mô hình hồi quy học máy nào? Khóa luận thực nghiệm và đánh giá 3 mô hình hồi quy: Hồi quy tuyến tính bội (Multiple Linear Regression giải bằng OLS), Hồi quy Ridge (Ridge Regression với tham số co $\lambda$) và Hồi quy vectơ hỗ trợ (Support Vector Regression - SVR với hàm nhân Gaussian RBF Kernel).

  5. Những biến phân loại nào đã được mã hóa dạng số trong nghiên cứu? Hai biến phân loại gồm: LoaiBDS (Nhà mặt tiền $= 0$, Nhà trong hẻm $= 1$) và PhapLy (None $= 0$, Sổ hồng/Sổ đỏ $= 1$, Giấy phép xây dựng $= 2$).

Kết luận

Khóa luận của tác giả Trịnh Thị Thu Hòa đã hệ thống hóa cơ sở lý luận về thẩm định giá bất động sản và cơ sở toán học của các thuật toán hồi quy học máy tiêu biểu. Nghiên cứu đã xây dựng hoàn chỉnh quy trình thực nghiệm từ thu thập dữ liệu web, tiền xử lý không gian địa lý, xử lý khuyết thiếu bằng KNNImputer đến huấn luyện và tối ưu siêu tham số cho các mô hình hồi quy trên dữ liệu nhà ở Hà Nội. Kết quả công trình cung cấp tài liệu tham khảo có giá trị học thuật và thực tiễn cho việc nghiên cứu ứng dụng khoa học dữ liệu trong lĩnh vực định giá bất động sản tự động tại Việt Nam.