Prediction of a price of a real estate has been one of the trend topics in recent years. There are many studies conducted on both prediction of a value of a real estate or the affecting parameters. In this study, the prediction of a real estate price using submarket near transit lines is studied on two neighbor counties in Istanbul, Beylikduzu and Esenyurt. So, the data should be analyzed into parts to investigate altered dynamics of different districts, which is also called submartket analysis. After the whole data of real estates in these counties are collected and analyzed, the data are divided into three parts (Esenyurt, Beylikduzu and transition zone) and analyzed in order to investigate altered dynamics of different districts. A total of 3487 real estate data with one dependent variable and 13 independent variables collected from aforementioned districts are analyzed with two machine learning (Multiple Linear Regression (MLR) and Spatial Auto Regression (SAR) and one deep learning tool (MultiLayer Perceptron (MLP)). According to the results of the both whole data and submarket analysis, Spatial Auto Regressive model is superior to the others in a metric of R-squared. Moreover, with the submarket analysis, prediction power of all the algorithms (MLR, SAR, and MLP) are significantly increased. Significant independent variables of each model differ from each other so that it can be concluded that submarket analysis in real estate prediction is improving the prediction models and showing different dynamics of each specific district of a county.

Gayrimenkul fiyatlarını tahmin etmek, son yıllarda trend konularından biri olmuştur. Hem bir taşınmazın değerini öngören hem de bu fiyatlara etki eden parametreler üzerine birçok çalışma yapılmıştır. Bu çalışmada, İstanbul, Beylikdüzü ve Esenyurt ilçelerinde bulunan iki komşu ilçede, ulaşım hatlarına yakın alt pazar kullanarak gayrimenkul fiyatlarının tahmini analiz edilmiştir. Bu yaklaşıma göre farklı bölgelerin iç dinamiklerini anlamak için veri bölümlere ayrılarak incelenmelidir ki bu yaklaşım alt market olarak adlandırılır. Bu ilçelerdeki gayrimenkullerin tüm verileri toplandıktan ve analiz edildikten sonra, veriler üç bölgeye (Esenyurt, Beylikdüzü ve geçiş bölgesi) ayrılarak farklı bölgelerin değişen dinamiklerini incelemek için analiz edilir. Yukarıda belirtilen bölgelerden bir bağımlı değişken ve 13 bağımsız değişkenden oluşan toplam 3487 gayrimenkul verisi iki makine öğrenmesi (Çoklu Doğrusal Regresyon (MLR) ve Mekansal Otomatik Regresyon (SAR) ve bir derin öğrenme aracı (MLP) ile analiz edilmiştir. Hem tüm verilerin hem de alt pazar analizinin sonuçlarına göre, Spatial Auto Regressive model, R-kare ölçüsündeki bir metrikte diğerlerine göre daha üstün performans göstermiştir. Ayrıca, alt pazar analizi ile, tüm algoritmaların öngörü gücü (MLR, SAR, ve MLP) önemli ölçüde artmıştır. Her modelin önemli bağımsız değişkenleri birbirinden farklıdır, bundan yola çıkarak gayrimenkul fiyat tahmininde alt marketler kullanmanın tahmin modellerini iyileştirdiği ve bu alt marketlere ait farklı dinamikleri gösterdiği sonucuna varılabilir.