Luận văn tốt nghiệp: Phát triển ứng dụng di động dự đoán giá bất động sản

Luận văn tốt nghiệp khoa học máy tính nghiên cứu phát triển ứng dụng di động dự đoán giá bất động sản, ứng dụng công nghệ tiên tiến.

• Tác giả: Phạm Tuấn Anh
• Người hướng dẫn: PGS. Quản Thành Thơ
• Trường học: Ho Chi Minh City University of Technology
• Chuyên ngành: Khoa học Máy tính
• Đề tài: Phát triển ứng dụng di động dự đoán giá bất động sản
• Loại tài liệu: bachelor thesis
• Năm xuất bản: 2021
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• Declaration
• Acknowledgement
• Abstract
• 1. CHAPTER 1: Introduction
• 1.1. Introduction to topic
• 1.2. General Objectives and Scope of topic
• 2. CHAPTER 2: Background
• 2.1. React Native
• 2.2. Firebase Real-time Database
• 2.3. Python and supported libraries
• 2.4. PostgreSQL
• 3. CHAPTER 3: Price prediction Model
• 3.1. Data set using
• 3.2. Linear Regression
• 3.3. Polynomial Features
• 3.4. Cost Function
• 3.5. Model Evaluation
• LIST OF FIGURES

Tóm tắt

I. Giới thiệu về ứng dụng di động

Trong bối cảnh thị trường bất động sản tại Việt Nam đang phát triển mạnh mẽ, việc dự đoán giá bất động sản trở thành một yếu tố quan trọng đối với các nhà đầu tư. Ứng dụng di động được phát triển nhằm cung cấp một công cụ hữu ích cho việc dự đoán giá, giúp người dùng tiết kiệm thời gian và công sức trong việc tìm kiếm thông tin. Ứng dụng này không chỉ đơn thuần là một công cụ dự đoán mà còn tích hợp các công nghệ tiên tiến như machine learning để cải thiện độ chính xác của các dự đoán. Theo nghiên cứu, việc sử dụng mô hình Linear Regression trong dự đoán giá bất động sản đã cho thấy hiệu quả cao trong việc phân tích dữ liệu lịch sử và đưa ra các dự đoán chính xác.

1.1 Mục tiêu và phạm vi của ứng dụng

Mục tiêu chính của ứng dụng là phát triển một nền tảng cho phép người dùng dễ dàng dự đoán giá bất động sản dựa trên các thông tin đầu vào như vị trí và loại hình bất động sản. Ứng dụng sẽ cung cấp các tính năng như đăng ký, đăng nhập, và hiển thị biểu đồ dự đoán giá. Đặc biệt, ứng dụng sẽ sử dụng Firebase Real-time Database để lưu trữ và đồng bộ hóa dữ liệu, đảm bảo người dùng có thể truy cập thông tin một cách nhanh chóng và hiệu quả. Phạm vi ứng dụng sẽ tập trung vào khu vực Thành phố Hồ Chí Minh, với mục tiêu phục vụ ít nhất 1000 người dùng mà không gặp phải vấn đề về hiệu suất.

II. Công nghệ và nền tảng phát triển

Để phát triển ứng dụng, việc lựa chọn công nghệ là rất quan trọng. React Native được chọn làm framework chính để xây dựng ứng dụng, cho phép phát triển trên cả hai nền tảng Android và iOS. Việc sử dụng Python cùng với các thư viện hỗ trợ như NumPy, Pandas, và Scikit-learn giúp tối ưu hóa quá trình xử lý dữ liệu và xây dựng mô hình dự đoán. Firebase cũng đóng vai trò quan trọng trong việc cung cấp dịch vụ xác thực người dùng và lưu trữ dữ liệu theo thời gian thực. Điều này không chỉ giúp ứng dụng hoạt động mượt mà mà còn đảm bảo tính bảo mật cho thông tin người dùng.

2.1 Các công nghệ chính

Các công nghệ chính được sử dụng trong ứng dụng bao gồm Firebase Real-time Database cho việc lưu trữ dữ liệu, Python cho việc xử lý và phân tích dữ liệu, và React Native cho việc phát triển giao diện người dùng. Việc tích hợp các công nghệ này không chỉ giúp tăng cường hiệu suất của ứng dụng mà còn tạo ra trải nghiệm người dùng tốt hơn. Machine learning được áp dụng để xây dựng mô hình dự đoán giá, giúp cải thiện độ chính xác của các dự đoán dựa trên dữ liệu lịch sử. Các mô hình như Simple Linear Regression và Multiple Linear Regression sẽ được sử dụng để phân tích mối quan hệ giữa các yếu tố ảnh hưởng đến giá bất động sản.

III. Mô hình dự đoán giá

Mô hình dự đoán giá bất động sản được xây dựng dựa trên lý thuyết của Linear Regression. Mô hình này cho phép phân tích mối quan hệ giữa giá bất động sản và các yếu tố đầu vào như vị trí, diện tích, và các đặc điểm khác của bất động sản. Việc sử dụng Polynomial Regression cũng được xem xét để cải thiện độ chính xác của dự đoán khi dữ liệu có tính phi tuyến. Để đánh giá hiệu suất của mô hình, các chỉ số như Root Mean Square Error (RMSE) và R-squared Score (R2) sẽ được sử dụng để đo lường độ chính xác của các dự đoán.

3.1 Phân tích dữ liệu và xây dựng mô hình

Quá trình phân tích dữ liệu bắt đầu bằng việc thu thập và làm sạch dữ liệu từ nhiều nguồn khác nhau. Sau đó, dữ liệu sẽ được chia thành các tập huấn luyện và kiểm tra để xây dựng mô hình dự đoán. Việc áp dụng các kỹ thuật như Gradient Descent giúp tối ưu hóa mô hình và tìm ra các tham số tốt nhất cho dự đoán. Mô hình sẽ được kiểm tra và điều chỉnh để đảm bảo rằng nó có thể hoạt động hiệu quả trong các tình huống thực tế, từ đó cung cấp cho người dùng những dự đoán chính xác nhất về giá bất động sản.

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY FACULTY OF COMPUTER SCIENCE AND ENGINEERING BACHELOR THESIS DEVELOPMENT OF A MOBILE APPLICATION FOR PRICE PREDICTION OF REAL ESTATES Major: Computer Science Committee : Computer Science 2 Supervisor : Assoc.Quan Thanh Tho Reviewer : Assoc. Bui Hoai Thang ---o0o--- Student : Pham Tuan Anh -1651006 Ho Chi Minh City, July 2021 ĐẠI HỌC QUỐC GIA TP.HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM ---------- Độc lập - Tự do - Hạnh phúc TRƯỜNG ĐẠI HỌC BÁCH KHOA KHOA:KH & KT Máy tính NHIỆM VỤ LUẬN ÁN TỐT NGHIỆP BỘ MÔN:KHMT Chú ý: Sinh viên phải dán tờ này vào trang nhất của bản thuyết trình HỌ VÀ TÊN: Phạm Tuấn Anh MSSV: 1651006 NGÀNH: KHMT LỚP: CC17KHM1 1. Đầu đề luận án: Development of a mobile application for price prediction of real estates 2. Nhiệm vụ (yêu cầu về nội dung và số liệu ban đầu): ✔ Investigate background technologies and frameworks to build the mobile application.

✔ Analyze and design the desired mobile application ✔ Research theory of Linear Regression. ✔ Implement a price prediction AI model using Linear Regression Model. Ngày giao nhiệm vụ luận án: 4. Ngày hoàn thành nhiệm vụ: 5.

Họ tên giảng viên hướng dẫn: Phần hướng dẫn: 1) Quản Thành Thơ 2) 3) Nội dung và yêu cầu LVTN đã được thông qua Bộ môn. CHỦ NHIỆM BỘ MÔN GIẢNG VIÊN HƯỚNG DẪN CHÍNH (Ký và ghi rõ họ tên) (Ký và ghi rõ họ tên) PGS. Quản Thành Thơ PHẦN DÀNH CHO KHOA, BỘ MÔN: Người duyệt (chấm sơ bộ): Đơn vị: Ngày bảo vệ: Điểm tổng kết: Nơi lưu trữ luận án: TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM KHOA KH & KT MÁY TÍNH Độc lập - Tự do - Hạnh phúc ---------------------------- Ngày tháng năm PHIẾU CHẤM BẢO VỆ LVTN (Dành cho người hướng dẫn/phản biện) 1. Họ và tên SV: Phạm Tuấn Anh MSSV: 1651006 Ngành (chuyên ngành): KHMT 2.

Đề tài: Development of a mobile application for price prediction of real estates 3. Họ tên người hướng dẫn/phản biện: PGS. Quản Thành Thơ 4. Tổng quát về bản thuyết minh: Số trang: Số chương: Số bảng số liệu Số hình vẽ: Số tài liệu tham khảo: Phần mềm tính toán: Hiện vật (sản phẩm) 5.

Tổng quát về các bản vẽ: - Số bản vẽ: Bản A1: Bản A2: Khổ khác: - Số bản vẽ vẽ tay Số bản vẽ trên máy tính: 6. Những ưu điểm chính của LVTN: The student has successfully developed a mobile application that can process the collected data and visualize information in a meaningful way. The student has also employed an AI technique to predict prices of the real estates based on the historical data. Những thiếu sót chính của LVTN: The thesis needs to be elaborated in many parts to provide more details and discussion about the technologies used.

Đề nghị: Được bảo vệ □ Bổ sung thêm để bảo vệ □ Không được bảo vệ □ 9. 3 câu hỏi SV phải trả lời trước Hội đồng: a. Đánh giá chung (bằng chữ: giỏi, khá, TB): Điểm : 7. Quản Thành Thơ TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM KHOA KH & KT MÁY TÍNH Độc lập - Tự do - Hạnh phúc ---------------------------- Ngày 06 tháng 8 năm 2021 PHIẾU CHẤM BẢO VỆ LVTN (Dành cho người hướng dẫn/phản biện) 1.

Họ và tên SV: Phạm Tuấn Anh MSSV: 1651006 Ngành (chuyên ngành): Khoa học Máy tính 2. Đề tài: Development of a mobile application for price prediction of real estates 3. Họ tên người hướng dẫn/phản biện: Bùi Hoài Thắng 4. Tổng quát về bản thuyết minh: Số trang: Số chương: Số bảng số liệu Số hình vẽ: Số tài liệu tham khảo: Phần mềm tính toán: Hiện vật (sản phẩm) 5.

Tổng quát về các bản vẽ: - Số bản vẽ: Bản A1: Bản A2: Khổ khác: - Số bản vẽ vẽ tay Số bản vẽ trên máy tính: 6. Những ưu điểm chính của LVTN: - Showed an understanding about some machine learning techniques based on Linear Regression, such as Simple Linear Regression, Multiple Linear Regression, and Polynomial Regression. Those techniques were used in predicting data, especially real estate prices. - Designed and implemented a mobile application for users to predict real estate prices based on location of the properties such as City, District, Ward, Street.

Những thiếu sót chính của LVTN: 8. Đề nghị: Được bảo vệ X Bổ sung thêm để bảo vệ  Không được bảo vệ  9. 3 câu hỏi SV phải trả lời trước Hội đồng: a. Đánh giá chung (bằng chữ: giỏi, khá, TB): Trung bình Điểm : 7.0/10 Ký tên (ghi rõ họ tên) Bùi Hoài Thắng Ho Chi Minh City University of Technology Department of Computer Science and Engineering Declaration We declare that this thesis was carried out by ourselves under the guidance and supervision of Associate Prof.Dr Quan Thanh Tho.

The presented figures in this thesis for analysis and evaluations are accomplished by our own work. In addition, other figures from various resources used in this thesis are explicitly cited in the reference part. We will take full responsibility for any fraud detected in our thesis. 2 Ho Chi Minh City University of Technology Department of Computer Science and Engineering Acknowledgement First of all, I would like to express many thanks to my supervisor, who instructed me about knowledge and technologies that will apply to my topic, Associate Professor Doctor Quan Thanh Tho of the Faculty of Computer Science and Engineering at Ho Chi Minh City University of Technology.

During the thesis time, he helped me to learn new technology effectively and supported me in every small problem to finish my work. Besides, I am also extremely grateful to my family for providing me with unfailing support and continuous encouragement throughout my years of study. This accomplishment would have never been possible without them. 3 Ho Chi Minh City University of Technology Department of Computer Science and Engineering Abstract The real estate market in Vietnam is currently strongly developing and attracts many investors.

In investing or buying real estate, price is a factor that investors concern the most. According to investors, searching and comparing the real estate prices on many websites to make price predictions, which takes them a lot of time. Therefore, they desire to have a tool to solve the above problem. In this thesis, we will develop a mobile application applying an artificial intelligence model in price prediction and propose the development directions.

4 Ho Chi Minh City University of Technology Department of Computer Science and Engineering CONTENTS Declaration.4 List of figures.1 Introduction to topic.2 General Objectives and Scope of topic.2 Firebase Real-time Database.4 Python and supported libraries. 14 Chapter 3 Price Prediction Model. 18 5 Ho Chi Minh City University of Technology Department of Computer Science and Engineering 3.1 Data set using.2 Use-case Diagram.2 Future work of the Thesis.40 6 Ho Chi Minh City University of Technology Department of Computer Science and Engineering LIST OF FIGURES 3.1 Data set using.2 Describing Interquartile Range and Outliers.3 Training model with Simple Linear Regression.4 Training model Polynomial Regression (Degree of 6).5 The best degree of predicting line in District 7 (2-degree model).6 The best degree of predicting line in District 6 (3-degree model).2 Use-case Diagram of the app.3 Register Flow chart.4 Login Flow chart.5 Log out flow chart.6 View profile flow chart.7 Visualize chart Flow chart.8 Manage users Flow Chart.37 7 Ho Chi Minh City University of Technology Department of Computer Science and Engineering Chapter 1 Introduction ___________________________________________________________ In this chapter, we introduce about the content of topic Contents ____________________________________________________________________ 1.1 Introduction to topic.2 General Objectives and Scope of topic .9 ____________________________________________________________________ 8 Ho Chi Minh City University of Technology Department of Computer Science and Engineering 1.1 Introduction to topic Real estate price is one of the vital factors affecting the investment decisions of real estate investors. Therefore, they need a forecasting model to help them predict the price of a particular property.

With the fast development of artificial intelligence, the AI model has been applying in price prediction. In this thesis, we will develop a mobile application incorporating the AI model (The AI model, which bases on collected data and then generates the predicting result) in order to help investors to have a useful tool in investment or buying a property. The mobile application is convenient to carry when investors travel. When they reach the destination, they just choose that location and types of land on the app, the system will automatically generate the chart which describes the prediction of price.2 General Objectives and Scope of topic The main aim of this topic is to develop a mobile application including the following main features:  Register/Login/Logout: Before using our system users need to sign up an unique account.

After that users can login and logout to the system, before using users need to login the system.  Visualize chart: After users provide enough information for the application, then the application will generate the chart based on the provided information.  View profile: Users/ Admin can view the profile information of theirs.  Manage users: The administrator has the right to manage users, he/she can view the list of all users who used the application and the detailed information of each person, find exact users based on users’ name or email.

Besides, admin have permission to delete users.  Display price-prediction colors on google maps: if the price of land has an upward trend, green color will be displayed on that area, otherwise red color will be displayed. 9 Ho Chi Minh City University of Technology Department of Computer Science and Engineering Since the data about real estate is so big, so we limit our system as followings:  The area that we will implement located in Ho Chi Minh City Vietnam.  We will predict for prices of land, not for the whole real estate.

Real estate usually contains buildings and land. However, a building having the same type of land has a wide range of characteristics, which lead to different prices for a property.  The app should be deployed on Android device.  The app should be handled at least 1000 users without any problems.

 The app response’s time for any function should be less than 10 seconds.  The app size is maximum 200 MB. 10 Ho Chi Minh City University of Technology Department of Computer Science and Engineering Chapter 2 Background ____________________________________________________________________ In this chapter, we will discuss about technologies to build the application Contents ____________________________________________________________________ 2.2 Firebase Real-time Database.4 Python and supported libraries.14 ____________________________________________________________________ 11 Ho Chi Minh City University of Technology Department of Computer Science and Engineering 2.1 React Native React Native is a framework developed by the famous technology company Facebook in 2015. It is used for creating mobile apps for both Android and IOS platforms under one common language which is Javascrip, because of this React Native apps save development time.

Furthermore, With React Native Framework, you can render UI for both iOS and Android platforms. It is an open source framework.js Modern apps have several requirements, which cannot be provided by the app itself, such as central data storage, communication routing, and user management. In order to provide such services, apps rely on an external software component known as the back-end. The back-end will be executed on one or more remote servers, listen to network requests from devices the run the app, and provide them with the services that requests require.

The back-end Node.js is written almost entirely in JavaScript.1 Firebase Authentication Most apps need to know the identity of a user. Knowing a user's identity allows an app to securely save user data in the cloud and provide the same personalized experience across all of the user's devices.