Affliger un LLM pour prédire la valeur de location d’un logement

Auteur (s): Tomer Gabay

Publié à l’origine sur Vers l’IA.

Comment Modèles de grande langue Peut être utilisé pour les tâches de régression.(Image de l’auteur)

Aux Pays-Bas, nous avons des règles qui déterminent le loyer maximal autorisé pour une logement en fonction de ses propriétés et de sa qualité. Ces règles sont assez complexes et peuvent être trouvées sur le site Web de HuurCommissie.

Nous avons construit un package Python open source pour calculer la quantité de points qu’une maison vaut sur la base de ces règles: WoningWaardering.

Woningwaardering signifie «évaluation des maisons» et c’est un système ponctuel dans lequel une logement est des points anciens en fonction de ses propriétés et de ses qualités. Le loyer maximal pour une logement est directement lié au montant des points où il est étendu.

Ed Donner a affiné un modèle LLAMA-3.1–8B pour prédire les prix des produits Amazon en fonction de leurs descriptions. Cela m’a inspiré à essayer de prédire les points d’un logement en fonction de sa description, au lieu d’utiliser notre propre package Woningwaardering.

À l’organisation du logement social, je travaille, Woonstad Rotterdam, nous avons beaucoup de données sur nos 60 000 habitations. Nous avons mis en œuvre des vérifications de qualité de données pour déterminer quels logements ont des données de qualité presque parfaites à l’aide de notre package Pyspark-TestFramework open source. Sur nos 50 000 habitations autonomes, environ 25 000 ont une qualité de données presque parfaite.

Même si la qualité des données de ces 25 000 maisons est très bonne, il y a encore des limites à la ensemble de données. Par exemple, nous ne le faisons pas… Lisez le blog complet gratuitement sur Medium.

Publié via Vers l’IA