Najmeh Dehghani, 분석 엔지니어, JLL
견적 요청(RFQ) 프로세스는 과거 데이터를 기반으로 PEMB(조립식 금속 건물)의 가격을 예측하는 기계 학습 알고리즘을 사용하여 최적화할 수 있습니다. 이 프로세스에는 PEMB에서 데이터 수집, 누락된 값 제거 및 이상값 처리를 통한 사전 처리, 기능 엔지니어링을 통해 관련 기능 선택, 데이터를 교육 및 테스트 세트로 분할하는 작업이 포함됩니다. 선형 회귀, 의사 결정 트리, 랜덤 포레스트 또는 신경망과 같은 인기 있는 기계 학습 알고리즘을 사용하여 모델을 구축할 수 있으며 평균 제곱 오차(MSE) 및 평균 제곱근 오차(RMSE)와 같은 성능 메트릭을 사용하여 모델을 평가할 수 있습니다. .
Python과 JMP는 이 예측 모델링에 사용할 수 있는 두 가지 도구입니다. Python은 데이터 분석 및 기계 학습 라이브러리를 갖춘 인기 있는 프로그래밍 언어입니다. 동시에 JMP는 통계 분석 및 데이터 시각화를 위한 상용 소프트웨어 패키지입니다. 두 가지 중에서 선택하는 것은 특정 프로젝트 요구 사항, 사용자 기술 및 사용 가능한 리소스에 따라 다릅니다.
PEMB에 대한 예측 모델을 구축함으로써 조직은 향후 프로젝트의 무게를 보다 정확하게 예측하여 예산, 계획 및 자원 할당을 개선할 수 있습니다.
