Solutions immobilières résidentielles
Science computationnelle : apprentissage automatique
Le MEA de Brookfield RPS fait appel à l’apprentissage automatique, une branche de l’intelligence
artificielle qui tire ses origines des premières recherches sur la cybernétique et la robotique. Aujourd’hui,
l’apprentissage automatique est surtout concentré sur les algorithmes et techniques mathématiques
servant à tirer des conclusions à partir de données importantes susceptibles au bruit, à une distribution non
normale, à l’hétéroscédasticité et à d’autres problèmes non linéaires de façon rapide et efficace pour traiter
de grands volumes de données diversifiées. L’apprentissage automatique n’est pas une technique ou
technologie unique, mais plutôt un champ de la science computationnelle qui combine plusieurs
technologies afin de créer des systèmes qui peuvent apprendre à partir des données dans leur
environnement et tenir compte de situations différentes et nouvelles, ce qui est crucial pour déterminer
efficacement le prix des maisons au sein d’un environnement économique en évolution constante.
Modèle statistique : méthode d’arbres à gradients conjugués
Comme les facteurs qui dictent la valeur des propriétés varient en fonction de l’endroit, du type de propriété
et du moment, les modèles à régression linéaire traditionnels sont habituellement trop généraux pour faire
une estimation précise du stock diversifié de propriétés au Canada. Pour régler ce problème, Brookfield
RPS utilise une méthode d’arbres à gradients conjugués. Les modèles d’arbres à gradients conjugués sont
fondamentalement différents des techniques traditionnelles qui conviennent à un seul modèle
parcimonieux. Les arbres de régression conjugués allient les points forts de deux algorithmes : les arbres
de régression et la conjugaison, une méthode adaptative pour la combinaison de nombreux modèles
simples afin d’obtenir un rendement prédictif amélioré.
Données de sortie : cotes de confiance et précision
Brookfield RPS a également créé une fonction de classification et de cote de confiance. La fonction de
classification permet de déterminer si le dossier peut être prédit de façon précise (réussite) ou non (échec),
alors que la fonction de cote de confiance indique la fiabilité du résultat donné par le modèle.
Actuellement, les modèles utilisés par Brookfield RPS permettent de prévoir la valeur des propriétés dans
l’ensemble du Canada avec un écart de +/- 10 % par rapport à leur valeur réelle, et ce 78 % du temps,
avec un taux de réussite de 80 %, ce qui est conforme aux normes de MEA de qualité commerciale en
Amérique du Nord.
Résumé des caractéristiques
Résumé du MEA de Brookfield RPS :
Couverture nationale et fort taux de réussite
Qualité commerciale et précision statistique
Rentabilité
Traitement en temps réel ou par lots
Cotes de confiance multiples
Options de présentation des rapports
Renseignements sur les tendances du marché
immobilier grâce à l’indice de prix des maisons
de Brookfield RPS
Possibilité de combiner avec d’autres MEA de
l’industrie et cascade de MEA personnalisable
selon les exigences du client
© 2015. Brookfield RPS est une division de Brookfield Asset Management. Toutes les autres marques appartiennent à leurs
titulaires respectifs.