Najmeh Dehghani 氏、分析エンジニア、JLL
機械学習アルゴリズムを使用して見積依頼 (RFQ) プロセスを最適化し、履歴データに基づいてプレエンジニアリング金属建築物 (PEMB) の価格を予測できます。 このプロセスには、PEMB 上のデータの収集、欠損値の削除と外れ値の処理によるデータの前処理、特徴エンジニアリングによる関連特徴の選択、データのトレーニング セットとテスト セットへの分割が含まれます。 線形回帰、デシジョン ツリー、ランダム フォレスト、ニューラル ネットワークなどの一般的な機械学習アルゴリズムを使用してモデルを構築でき、平均二乗誤差 (MSE) や二乗平均平方根誤差 (RMSE) などのパフォーマンス メトリクスを使用してモデルを評価します。 。
Python と JMP は、この予測モデリングに使用できる 2 つのツールです。 Python は、データ分析および機械学習ライブラリを備えた人気のあるプログラミング言語です。 同時に、JMP は統計分析とデータ視覚化のための商用ソフトウェア パッケージです。 2 つのどちらを選択するかは、特定のプロジェクト要件、ユーザーのスキル、利用可能なリソースによって決まります。
PEMB の予測モデルを構築することで、組織は将来のプロジェクトの重みをより正確に見積もることができ、予算編成、計画、リソース割り当ての改善につながります。
