Техническая документация Link Home API
Link Home API
Интеллектуальная система оценки жилой недвижимости в Узбекистане. Модель Link Home анализирует параметры локации, инфраструктуры и характеристик здания для предоставления точной рыночной стоимости.
Авторизация
Доступ к эндпоинтам осуществляется через статический API-ключ. Передавайте его в заголовке запроса X-API-Key.
Конфиденциальность данных
Платформа не требует передачи персональных данных клиентов (ПДн). Расчеты выполняются исключительно на базе технических параметров актива.
Получить ключ самостоятельно
Войдите на asint.uz → Настройки → Разработчикам и создайте ключ dk_….
Первые 3 запроса бесплатно, далее 15 000 сум за запрос с баланса (см. полный запрос).
Организациям — отдельный аккаунт со своими сотрудниками, общим балансом и ключами организации:
заявка на странице API.
Методология (Glass Box)
Сбор и обработка данных
Наша система ежедневно агрегирует данные из различных источников, включая крупнейшие классифайды и социальные сети, включая информацию о местоположении до уровня махалли. Процесс включает многоэтапную очистку: удаление дублей, фильтрацию выбросов, а также ряд других этапов, формируя уникальную базу данных и процесс очистки.
Микролокационная значимость
Территориальность — важнейший фактор в оценке недвижимости. Наши модели Link Home оценивают объекты с точностью до конкретных махаллей.
Это позволяет системе учитывать престижность квартала, наличие социальной инфраструктуры и реальный покупательский спрос в конкретной микролокации.
Ансамблевый подход
Оценка Link Home строится на многоуровневом ансамбле ML-моделей (AutoGluon): градиентный бустинг LightGBM и CatBoost, случайный лес и Extra Trees первого уровня, поверх которых обучены модели второго уровня и взвешенный ансамбль.
Модель обучена на сотнях тысяч объявлений о продаже квартир в Ташкенте и учитывает 162 признака: параметры объекта, координаты, инфраструктуру рядом (OpenStreetMap), GeoScore, расстояние до метро и макроэкономику (курсы валют, ставки, инфляция). Финальная стоимость — консенсус нескольких алгоритмов, что снижает риск статистической погрешности.
Диапазон цены в ответе — это 80%-интервал, рассчитанный по реальным ошибкам модели на объявлениях, которые она не видела при обучении.
Показатели точности
Обновление данных и моделей в системе Asint происходит каждый месяц для отражения актуальных рыночных трендов. С каждым обновлением наши модели становятся точнее. Следите за нашими обновлениями! Asint LinkedIn
Точность модели по районам Ташкента
| Район | MAPE (Ошибка) | MAE ($) | R2 Score | Статус | С фото и описанием: в пределах ±10% | Уверенные оценки: в пределах ±10% |
|---|---|---|---|---|---|---|
| Чиланзарский | 7.5% | 5,740 | 0.856 | Высокая точность | 89.7% | 89.8% (100% квартир) |
| Учтепинский | 8.4% | 6,274 | 0.832 | Высокая точность | 80.6% | 88.3% (76% квартир) |
| Янгихаётский | 9.1% | 5,158 | 0.698 | Высокая точность | 83.5% | 89.5% (84% квартир) |
| Сергелийский | 9.5% | 5,618 | 0.785 | Средняя точность | 79.6% | 87.9% (68% квартир) |
| Алмазарский | 10.6% | 9,703 | 0.792 | Средняя точность | 76.2% | 87.7% (57% квартир) |
| Юнусабадский | 10.8% | 11,633 | 0.874 | Средняя точность | 82.0% | 88.2% (80% квартир) |
| Яшнабадский | 11.0% | 9,528 | 0.881 | Средняя точность | 81.2% | 88.4% (77% квартир) |
| Мирзо-Улугбекский | 11.1% | 12,831 | 0.859 | Средняя точность | 81.9% | 87.9% (80% квартир) |
| Яккасарайский | 11.6% | 15,156 | 0.874 | Средняя точность | 80.2% | 88.1% (76% квартир) |
| Шайхантахурский | 12.8% | 23,983 | 0.899 | Невысокая точность | 73.4% | 88.2% (49% квартир) |
| Мирабадский | 14.4% | 21,997 | 0.887 | Невысокая точность | 79.4% | 88.0% (77% квартир) |
| Бектемирский | 15.3% | 7,328 | 0.698 | Невысокая точность | 55.1% | 66.4% (52% квартир) |
Интерпретация показателей точности
Первые четыре колонки — ошибки табличной модели Link Home (запрос без фото) на 137 727 объявлениях, которые она не видела при обучении, по районам. Общая картина: R² 0.90, средняя ошибка 10.9% (около $12 300). Две последние колонки — модель, которая дополнительно читает фото и описание квартиры: доля квартир, оценённых в пределах ±10% от цены объявления, на 50 342 объявлениях, которых не было на рынке во время обучения (все районы вместе: 81.3% против 59.0% у табличной модели на тех же квартирах), и та же доля среди оценок, которые модель сама отмечает как уверенные (88.3% на 78% квартир, см. карту выше). Ошибка зависит от того, насколько однородны цены в районе и насколько точно известно расположение объекта.
Наименьшая ошибка (MAPE до 9%)
Чиланзарский (7.5%), Учтепинский (8.4%) и Янгихаётский (9.1%). Здесь цены на похожие квартиры расходятся меньше всего, поэтому оценка ближе всего к рыночной. С фото и описанием Чиланзарский — 89.7% квартир в пределах ±10%.
Средняя ошибка (MAPE 9–12%)
Сергелийский (9.5%), Алмазарский (10.6%), Юнусабадский (10.8%), Яшнабадский (11.0%), Мирзо-Улугбекский (11.1%) и Яккасарайский (11.6%) — типичная для модели точность. С фото и описанием уверенные оценки здесь в пределах ±10% в 88% случаев; уверенными модель отмечает от 57% квартир (Алмазарский) до 80% (Юнусабадский, Мирзо-Улугбекский).
Повышенная ошибка (MAPE выше 12%)
Шайхантахурский (12.8%), Мирабадский (14.4%) и Бектемирский (15.3%). В Мирабадском и Шайхантахурском самые высокие цены и самый большой разброс в долларах (MAE $22–24 тыс.): элитные новостройки соседствуют со старой застройкой. В Бектемирском мало объявлений, много новостроек по льготным программам и объявлений из соседних районов области. С фото и описанием уверенные оценки в Мирабадском и Шайхантахурском — в пределах ±10% в 88% случаев (уверенными отмечены 77% и 49% квартир); в Бектемирском даже уверенные оценки попадают в ±10% лишь в 66% случаев, поэтому там нужна ручная проверка.
- Что это значит: для этих районов отчёт показывает более низкий уровень уверенности, а диапазон цены стоит читать шире.
- Перспективы: по мере пополнения выборки объявлениями с точным расположением точность растёт с каждым обновлением модели.
Asint не использует статичную модель. Наша архитектура подразумевает непрерывный цикл обновления данных. С каждой новой сделкой точность в «зонах калибровки» планомерно приближается к эталонным показателям центральных районов города, обеспечивая в будущем бесшовное покрытие всей территории республики.
Влияние факторов (Feature Importance)
Перестановочная важность: насколько вырастает ошибка модели, если признак перемешать. Доля от суммарной важности всех 162 признаков.
Фундаментальный физический параметр.
Гипер-локальность: самый важный фактор после площади.
Добавленная стоимость отделки.
Отражает тип жилья (высотка / малоэтажка).
Влияет на целевую аудиторию объекта.
| Источник признаков | Признаков | Доля важности |
|---|---|---|
| Сам объект (площадь, этаж, ремонт, район, махалля…) | 28 | 88.0% |
| Инфраструктура рядом (OpenStreetMap: школы, парки, ТЦ, промзоны…) | 65 | 6.0% |
| GeoScore и метро | 25 | 3.3% |
| Макроэкономика (курсы, ставки, инфляция, ВВП) | 44 | 2.7% |
/service/predict/home
Метод для оценки жилой недвижимости. Принимает параметры объекта и возвращает оценочную стоимость, интервалы уверенности и данные для проверки на аномалии.
Тело запроса (JSON)
| Ключ | Тип | Описание |
|---|---|---|
| area | float | Общая площадь в кв.м. Обязательно |
| district | string | Район (напр. "Chilonzor" или "chilonzar"). Нужен район или координаты |
| latitude, longitude | float | Точка на карте внутри Ташкента. Чем точнее, тем точнее оценка: по ней определяются район, метро, инфраструктура и GeoScore |
| mahalla | string | Махалля (напр. "Abay mahallasi"), необязательно |
| rooms | int | Количество комнат |
| floor | int | Этаж расположения |
| total_floors | int | Этажность здания |
| renovation | string | Ремонт: qora_karkas, oq_karkas, oddiy, yaxshi, evro, dizayn, yangi_uy (также принимаются Zo_r, Yaxshi, Qoniqarsiz) |
| building_type | string | Материал: kirpich, panel, monolit, beton, yog_och (также принимается qurilish_turi: Panelli, G'ishtli…) |
| seller_type | string | owner или agent (также owner: Xususiy, Biznes). По умолчанию owner |
| year_built | int | Год постройки, необязательно |
| ceiling_height_m | float | Высота потолков, необязательно |
| is_furnished, is_new_construction | bool | Меблирована / новостройка, необязательно |
| description | string | Описание квартиры на любом языке, необязательно. Вместе с 3+ фото включает модель по фото и тексту |
| photos | [string] | Фото квартиры: data URL (data:image/jpeg;base64,...) или base64, используются первые 12. С 3+ фото и описанием оценка точнее и сообщает свою уверенность (confidence). Достаточно 640–1280 px по длинной стороне (модель смотрит на фото в 224 px); весь запрос — до 25 МБ |
| explain | bool | Вернуть, что влияет на цену (факторы factors) |
Ответ (JSON)
| Ключ | Тип | Описание |
|---|---|---|
| predicted_price | int | Оценочная стоимость, USD |
| price_range | [int, int] | 80%-интервал цены: в 8 случаях из 10 реальная цена внутри него |
| price_per_sqm, geo_score | number | Цена за кв.м. и GeoScore локации |
| district, district_listings | string, int | Определённый район и число объявлений района, на которых обучена модель |
| factors | array | Только при explain: true: вклад локации, ремонта, материала, возраста и этажа в USD относительно типичной квартиры |
| warnings | array | Значения, которые не удалось распознать (оценка считается без них) |
| valuation_model | string | photo_text — оценка по фото и описанию, tabular — по полям формы |
| confidence, confidence_score | string, float | Только для photo_text: high — оценка прошла порог уверенности своего района (такие оценки в пределах ±10% в 88–90% случаев в 11 из 12 районов, в Бектемирском — в 66%), low — ориентировочная, нужна проверка; confidence_score — вероятность попасть в ±10% |
| model_source | string | Какая модель ответила. toy — тестовая заглушка, не оценка |
cURL Запрос
-H "Content-Type: application/json" \
-H "X-API-Key: YOUR_API_KEY" \
-d '{
"district": "Chilonzor",
"mahalla": "Abay mahallasi",
"area": 65.0,
"rooms": 3,
"floor": 5,
"total_floors": 9,
"renovation": "evro",
"building_type": "kirpich",
"explain": true
}'
Python (requests)
url = "https://asint.uz/service/predict/home"
headers = {
"Content-Type": "application/json",
"X-API-Key": "YOUR_API_KEY"
}
data = {
"rooms": 3, "area": 65.0,
"floor": 5, "total_floors": 9,
"district": "Chilonzor", "mahalla": "Abay mahallasi",
"renovation": "evro", "explain": True
}
response = requests.post(url, headers=headers, json=data)
print(response.json())
Python: с фото и описанием
files = ["kitchen.jpg", "room.jpg", "bathroom.jpg"] # от 3 до 12 фото
data["photos"] = [base64.b64encode(open(f, "rb").read()).decode() for f in files]
data["description"] = "Евроремонт, кирпичный дом, остаётся мебель, рядом метро"
body = requests.post(url, headers=headers, json=data).json()
print(body["predicted_price"], body["valuation_model"], body["confidence"])
# valuation_model: "photo_text"; без фото или описания — "tabular", а confidence = None
/service/forecast/home
Прогноз средней цены предложения квартиры в районе Ташкента на 12 месяцев вперёд. Иерархическая модель экспоненциального сглаживания (ETS) на ежемесячной истории объявлений по каждому району. Прогноз экспериментальный: на исторической проверке (6 месяцев вперёд, 8 точек старта) средняя ошибка — 1.07% (MAPE), но рынок может меняться быстрее, чем показывает история. Это не инвестиционная рекомендация.
Параметры запроса
| Ключ | Тип | Описание |
|---|---|---|
| district | string | Район ("Chilonzor tumani" или "chilonzar"). Без параметра — сводка по всем 12 районам |
cURL Запрос
-H "X-API-Key: YOUR_API_KEY"
Ответ (сокращённо)
"model": "hier_ets", "data_through": "2026-09", "horizon_months": 12,
"backtest": {"horizon_months": 6, "origins": 8, "mape_pct": 1.07},
"series": {
"district": "chilonzar", "baseline_usd": 76275.0, "change_pct": -5.4,
"history": [{"month": "2026-03", "value": 78400.0, "listings": 558.0}, ...],
"forecast": [{"month": "2026-05", "mean": 74800.0, "p10": 69100.0, "p90": 80500.0}, ...]
}
}
/service/v1/home
Полный запрос для квартиры: один вызов — всё сразу. В ответе оценка стоимости (регрессия, диапазон, факторы),
прогноз цены по району на 12 месяцев (/forecast/home) и готовый отчёт — расширенный (многостраничный) или краткий (одна страница), в PDF или HTML.
Поля квартиры — те же, что в /predict/home.
Дополнительные поля тела запроса
| Ключ | Тип | Описание |
|---|---|---|
| report_type | string | advanced (по умолчанию) — полный отчёт; simple — краткая сводка на одной странице |
| format | string | pdf (по умолчанию, в ответе base64) или html (текст) |
| lang | string | Язык отчёта: en (по умолчанию), ru, uz |
Ответ (JSON)
| Ключ | Описание |
|---|---|
| request | Что стоил этот запрос: free (бесплатный ли), charged (сум списано), free_left (осталось бесплатных), balance (баланс). Для ключей организаций request_id пуст — списаний нет. |
| valuation | Тот же ответ, что у /predict/home: predicted_price, price_range, warnings… |
| forecast | Тот же ответ, что у /forecast/home, или null, если для объекта прогноза нет |
| report | report_type, format, media_type, filename, encoding (base64 для PDF, utf-8 для HTML) и content — сам файл |
Стоимость и бесплатные запросы
Ключ вида dk_… создаёт сам пользователь в личном кабинете asint.uz (Настройки → Разработчикам).
Первые 3 запроса на аккаунт — бесплатно (на квартиры и авто вместе), дальше 15 000 сум за запрос
с баланса аккаунта; пополнение через Click. Если запрос завершился ошибкой, деньги и бесплатный запрос возвращаются автоматически.
Ключи организаций (договор) за каждый вызов не тарифицируются.
cURL Запрос
-H "Content-Type: application/json" \
-H "X-API-Key: dk_YOUR_KEY" \
-d '{
"district": "Chilonzor",
"area": 65.0, "rooms": 3, "floor": 5, "total_floors": 9,
"renovation": "evro", "building_type": "kirpich",
"report_type": "advanced", "format": "pdf", "lang": "ru"
}'
Python: сохранить отчёт в файл
r = requests.post("https://asint.uz/service/v1/home",
headers={"X-API-Key": "dk_YOUR_KEY"}, json=data)
r.raise_for_status()
body = r.json()
print(body["valuation"]["predicted_price"], body["request"])
rep = body["report"]
data_bytes = base64.b64decode(rep["content"]) if rep["encoding"] == "base64" else rep["content"].encode()
open(rep["filename"] or "report", "wb").write(data_bytes)
Только отчёт: POST /service/report/home
То же тело запроса (с report_type, format, lang), но в ответ приходит сам файл
(application/pdf или text/html), а оценка — в заголовках X-Predicted-Price и X-Price-Range.
Доступно для ключей, принятых /predict (корпоративные и служебные); ключи dk_… используют /service/v1/home.
Коды ответов
| Код | Описание | Решение |
|---|---|---|
| 200 OK | Успешно | Объект оценен, результат в JSON. |
| 400 Bad Request | Ошибка параметров | Проверьте типы данных (напр. площадь должна быть числом). |
| 401 Unauthorized | Ошибка ключа | Ключ X-API-Key недействителен. |
| 402 Payment Required | Нет средств | Бесплатные запросы закончились, а баланс меньше 15 000 сум — пополните его в личном кабинете. |
| 403 Forbidden | Ключ не подходит | Ключ не найден в сервисе, либо аккаунт принадлежит организации — используйте ключ организации. |
| 422 Unprocessable | Недопустимое значение | Нет обязательного поля или значение не поддерживается (напр. неверный report_type или format). Запрос не тарифицируется. |
| 502 / 503 / 504 | Сервис отчётов или биллинга недоступен | Повторите позже; для 504 попробуйте format: "html" или report_type: "simple". Списанное возвращается автоматически. |
| 429 Rate Limit | Много запросов | Превышена квота вашего тарифного плана. |