Hogyan működik a Prediqta
A Prediqta egy gradient-boosting alapú AI értékbecslő motor, 200 000+ valós magyar lakó-ingatlan tranzakción tanítva. Minden értékbecslés konfidenciasávval és magyarázható tényezőkkel érkezik.
Modell architektúra
A főmotor egy gradient-boosted decision tree ensemble (XGBoost-szerű), kombinálva egy földrajzi embedding-réteggel, amely a cím lokáció-értékét független dimenzióban kódolja. Egy meta-modell kalibrálja a kimenetet az adott szegmensre (új építésű vs. használt, város vs. vidék).
Tanítóadatok
- Rögzített adásvételek 2010 óta, országosan
- Napi szinten frissített hirdetési portál jel (ingatlan.com és társai)
- KSH adatok: kerületi árindex, demográfia, jövedelem
- HÉSZ zónázás, közlekedési elérhetőség, POI sűrűség
Tanítási és validációs ciklus
Havonta újratanítjuk a fő modellt friss tranzakcióval; hetente delta-frissítjük a hirdetési jelet. Hold-out validáció minden tanításnál — 80/10/10 train/val/test bontás. Modell-verziók pinningelhetők audit ciklusra.
Pontosság szegmensenként
A pontosság szegmensenként változik a tranzakció-volumen szerint. Platformszintű átlag: 7,5%.
- Új építésű budapesti lakás: 3–4%
- Használt budapesti lakás: 6–7%
- Nagyvárosi lakás (Debrecen, Szeged, Győr, Pécs): 8–9%
- Vidéki ingatlan: 10–12% (szélesebb konfidenciasáv)
- Platformszintű átlag: 7,5%
Ismert korlátok
- Atipikus elrendezés szélesebb sávot kap
- Ritka tranzakciós lokáció (vidéki) lassabban követi a piaci változásokat
- Nem új építésű kerthelyiség értékelése pontatlanabb