Läsaren Stefan Larsson har återigen överträffat sig själv och lanserar nu en interaktiv bopristjänst. Datat omfattar än så länge bara lägenheter på utvalda orter.
Ni hittar tjänsten hos Bopriskarta.se, och Stockholm, Göteborg, Malmö, Uppsala, Linköping, Västerås och Örebro omfattas. Kartan ska vara helt interaktiv och ger även prisutvecklingshistoriken för givna punkter. Datat är hämtat från Booli, baserat på faktiska slutpriser.
Kartan kan se lite glesare ut än tidigare, då snävare avgränsningar används för mer relevant och korrekt data utan randvillkor. Stefan Larsson kommenterar:
“För att undvika extrapolering har jag satt ett krav att det ska finnas ungefär 5 lägenheter som påverkar priset samtidigt. Blir det för få ser det för jävligt ut. Det måste finnas data för bra kvalitet.
Influens mellan punkter beskrivs med squared exponential kernels (typ gaussklockor) med bredd 250 meter spatiellt och 90 dagar i tid. Skattningen beräknas enligt Nadaraya-Watson (ett viktat medelvärde med kernelvärdet som vikt). Robust och skalbart.”
Klara och tydliga besked om funktionaliteten, så nu vet ni det.
Se tjänsten som en beta. Värmenyckel, villapriser mm kommer senare, och det kan förekomma buggar i en del operativsystem eller webläsarversioner, t ex att kartan hoppar till när man flyttar musen för att fastställa snittpris i en given punkt. Vad gäller att täcka in mer delar av landet så innebär bara lägenheter i de omfattade orterna över 7 Gb data på servern.
Exempel Bopriskartan centrerad över Nytorget på Södermalm. Mina instruktioner i rött. Källa: Bopriskarta.se |
5 kommentarer
Det hade varit kul att kunna filtrera på storleken på lägenheter också, då mindre lägenheter ofta har ett högre kvadratmeterpris.
Snyggt jobbat, fungerar bra med Chrome/Windows 7 men lite småseg (Intel core i3-2330m).
Vad är det för regressionsmetod? Gaussisk process-regression? Möjligen att man kunde bredda kärnfunktionen i tid för de mindre städerna. Exempelvis i Linköping är det inte så mycket information om priserna utanför innerstaden.
Nadaraya-Watson (http://en.wikipedia.org/wiki/Kernel_regression). Slipper matrisinvers och klarar mig därmed med vanliga internminnesmängder.
Större klockor ger mer extrapolering och mera smoothing. Ingen ytterligare information tillförs egentligen eftersom få lägenhetsaffärer genomförs.
Behöver du en akut lån eller finansiell tjänst? Kontakt [email protected]