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.
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 ансамбле ML-моделей. Мы используем комбинацию алгоритмов для достижения высокой точности.
Каждая модель обучается на сотнях тысяч исторических записей о рынке недвижимости Узбекистана. Финальная стоимость — это консенсус-прогноз нескольких независимых алгоритмов, что минимизирует риск статистической погрешности.
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 | R2 Score | MAPE (Ошибка) | MAE ($) | Статус |
|---|---|---|---|---|
| Чиланзарский | 0.902 | 7.1% | 5,208 | Высокая точность |
| Мирабадский | 0.894 | 9.2% | 8,986 | Высокая точность |
| Юнусабадский | 0.892 | 7.6% | 6,505 | Высокая точность |
| Мирзо-Улугбекский | 0.889 | 9.3% | 9,004 | Высокая точность |
| Учтепинский | 0.870 | 6.8% | 4,755 | Высокая точность |
| Яшнабадский | 0.863 | 9.4% | 8,237 | Средняя точность |
| Сергелийский | 0.821 | 8.8% | 6,784 | Средняя точность |
| Алмазарский | 0.809 | 10.8% | 8,678 | Средняя точность |
| Шайхантахурский | 0.798 | 11.8% | 12,693 | Умеренная точность |
| Яккасарайский | 0.787 | 11.2% | 12,127 | Умеренная точность |
| Янгихаётский | 0.612 | 10.5% | 6,710 | Невысокая точность |
| Бектемирский | 0.410 | 14.1% | 7,883 | Невысокая точность |
Интерпретация показателей точности
Показатели точности модели Link Home напрямую коррелируют с рыночной активностью и зрелостью жилого фонда в конкретных локациях. Рынок недвижимости Ташкента характеризуется высокой степенью гетерогенности (неоднородности), что обуславливает разделение города на несколько операционных зон в зависимости от глубины доступных данных:
Зоны высокой ликвидности (Стабилизированные рынки)
В таких районах, как Чиланзарский, Юнусабадский и Мирабадский, наблюдается исторически высокая плотность сделок на вторичном рынке. Большой объем верифицированных транзакций позволяет модели достигать предельных показателей точности (R2 ~ 0.90), минимизируя статистические погрешности. Эти зоны классифицируются как High Confidence, где алгоритмы полностью адаптированы к рыночным трендам.
Зоны активного развития и формирования цен
Районы с преобладанием первичной застройки или специфической структурой активов (например, Яккасарайский или Шайхантахурский) характеризуются высокой волатильностью цен из-за большого разброса между элитным и старым жилым фондом. Здесь модель учитывает более сложные нелинейные связи, а средняя ошибка (MAE) отражает наличие премиальных сегментов.
Зоны активного сбора данных и калибровки
Новые административные районы (Янгихаётский) или зоны с низкой частотой рыночных сделок (Бектемирский) на текущем этапе определены как инкубационные зоны. В данных локациях модель находится в стадии активной калибровки.
- Что это значит для системы: Мы используем эти районы для накопления первичной информации и обучения нейросетей специфике локального спроса.
- Перспективы: По мере обогащения выборки реальными рыночными транзакциями, точность прогноза проходит через итерационное улучшение (Active Learning).
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 - Top 12)
Гипер-локальность: самый важный фактор в Ташкенте.
Фундаментальный физический параметр.
Аадминистративный статус.
Добавленная стоимость отделки.
| Признак | Значимость | Аналитика |
|---|---|---|
| Этажность дома | 8.4% | Отражает тип жилья (высотка/хрущевка и т.д.) |
| Этаж | 8.4% | Ликвидность (не первый и не последний этажи) |
| Количество комнат | 4.8% | Влияет на целевую аудиторию объекта |
| Тип дома | 3.3% | Материал стен (кирпич ценится выше панели) |
| Месяц объявления | 3.3% | Сезонные колебания цен |
| Год объявления | 2.8% | Инфляционный тренд и рост рынка |
| Тип владельца | 2.0% | Разница между собственником и маклером |
| Техника | 1.5% | Фактор «заходи и живи» |
/api/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 |
|---|---|---|
| district | string | Район (напр. "Chilonzor") |
| mahalla | string | Махалля (напр. "Qatortol") |
| area | float | Общая площадь в кв.м. |
| rooms | int | Количество комнат |
| floor | int | Этаж расположения |
| total_floors | int | Этажность здания |
| renovation | string | Ремонт (Yaxshi, Evro и т.д.) |
| qurilish_turi | string | Panelli, G'ishtli |
cURL Запрос
-H "Content-Type: application/json" \
-H "X-API-Key: YOUR_API_KEY" \
-d '{
"district": "Chilonzor",
"mahalla": "Qatortol",
"area": 65.0,
"rooms": 3,
"floor": 5,
"total_floors": 9,
"renovation": "Yaxshi",
"qurilish_turi": "Panelli",
"mebel": "Ha",
"sanuzel": "Alohida"
}'
Python (requests)
url = "https://asint.uz/api/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": "Qatortol",
"renovation": "Yaxshi", "mebel": "Ha"
}
response = requests.post(url, headers=headers, json=data)
print(response.json())
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. |
| 429 Rate Limit | Много запросов | Превышена квота вашего тарифного плана. |