Følgende grafik er for første lokation:The following information is (currently) provided for the first location: . AI prognose usikkerheden er:The AI prediction uncertainty is: procent ellerpercent or DKK/m2, og den simple samme-som-sidste-pris prognose usikkerhed er:DKK/m2 and the simple same-as-last-price prediction uncertainty is: procent ellerpercent or DKK/m2. Mindst usikkerhed er bedst.DKK/m2. Smallest uncertainty is best.
Punkterne i Figur (1) skal helst ligge på en 45 graders linie, det betyder at prognoserne er præcise.
The points in Figure (1) should lie on a 45 degree line to have precise predictions.
I Figur (2) skal punkterne helst ligge tæt på y-aksens nulpunkt (0), hvor y-aksen måler forskellen på den realiserede (faktiske) pris og prognose-prisen.
In Figure (2) the points should be close to the y-axis value of zero (0), the y-axis measures the difference between the realised price and the prediction price.
Boligrobot.dk er et nyt site, hvor du kan få op til 12 måneders prisprognoser på parcel-og rækkehuse, ejerlejligheder og fritidshuse i danmark.
Du kan vælge en eller flere boligområder, som fremkommer i diagrammet og i tabellen (hvis valgt).
Teknisk krav er en moderne og opdateret internet browser (Microsoft Internet Explorer kan ikke bruges).
Kunstig intelligens (neurale netværk) benyttes af boligrobot.dk til at beregne de forventede fremtidige boligpriser.
Du bør være særligt opmærksom på forskelle mellem faktisk handlede priser og priser som er annonceret.
Vær også opmærksom på boligtyper og lokationer: Landsdele, regioner, kommuner, postnumre (mindste områder).
I diagrammet betyder * foran områdenavnet, at det er prognoser. Der laves forudsigelser på tre boligpristyper, som alle stammer fra realiserede handler.
Realiseret handelsstatistik for kommuner og postnumre opdateres kvartalsvis med 3-6 måneders forsinkelse. Internet annoncestatistik for kommuner opdateres hver måned omkring den 8'ende, men findes ikke på postnummer-niveau. Rådatakilder: Danmarks Statistik (dst.dk), Finans Danmark (finansdanmark.dk) og andre.
Google Colab med Nvidia grafikkort (GPU) med TensorFlow og Keras benyttes til AI-modellering / AI-træning / AI-forudsigelser. Når AI-modellen trænes, så tager en enkelt træningsgennemgang af al data (en "epoch") cirka 1 time på en almindelig bærbar computer, men med GPU'en reduceres dette til nogle få sekunder. Denne forøgelse i beregningshastighed er nødvendig, da flere hundrede træningsgennemgange foretages, hver gang nye data er tilgængelige.
Boligrobot.dk is a new site where you can get up to 12 months price predictions on Danish houses, apartments and summer houses.
You can select one or more home locations which will display in the chart and table (if checked).
Technical requirement is a modern and updated internet browser (Microsoft Internet Explorer will not work).
Artifical intelligence (AI or deep learning) is used by boligrobot.dk to predict expected future real estate prices.
You should pay particular attention to the differences between actually traded prices and prices advertised.
Also pay attention to housing types and locations: National areas, regions, municipalities, postal codes (smallest areas).
In the chart a * in front of the location name means that it is a forecast. Predictions are made on three housing price types where the underlying data stem from actual home trades.
The actual trading statistics for communes and zip codes is updated quarterly with a lag of 3-6 months. The internet housing statistics for communes is updated monthly around the 8'th but is not available for zip codes. The diagrams may take a few seconds to update. Raw data source: Statistics Denmark (dst.dk) and Finance Denmark (financedenmark.dk).
Google Colab with Nvidia graphics card (GPU) with TensorFlow and Keras is used for AI modeling, AI training and AI predictions. When the AI model is trained, a single training loop (one epoch) of all data takes about 1 hour on a regular laptop, but with the GPU this is reduced to a few seconds. This increase in computational speed is necessary as hundreds of training epochs are done each time new data is available.