부동산 시장에서는 부동산 감정 평가에 대한 수요가 점점 증가하고 있으며, 전문감정평가사가 평가하는 방법은 점점 더 증가하는 평가 요구를 충족시키지 못하고 있다. 컴퓨터 기술의 발전과 함께 부동산 평가는 기계 학습 기반의 대량 평가로 전환되어 부동산 평가가 대량화, 자동화 및 효율화되는 경향이 있다.
본 연구에서는 먼저 감정사에 의한 감정 평가 방식과 대량 평가 모형의 개념 및 둘 사이의 차이를 탐구하였으며 대량 평가는 감정사에 의한 평가에 비해 속도가 빠르고 정확도가 높으며, 다수의 부동산을 한꺼번에 감정할 수 있다는 장점을 갖고 있다. 그 다음 헤도닉 모형에 기반한 전통적인 대량 감정 평가 방법과 기계학습방법을 활용한 대량 평가 방법의 차이를 비교하였다. 그 다음 강남구 아파트 거래데이터를 이용하여 선형회귀, Random forest, XGBoost, AdaBoost 모형을 적용하여 부동산 대량 평가에 기계 학습 방법의 적용을 탐구하였으며 의사결정나무 모형을 사용하여 어떤 조건에서 예측력이 낮아지는지를 분석하였다. 연구결과 다음과 같다. 첫째, 선형회귀보다 기계 학습 알고리즘의 성능이 더 정확함을 알 수 있었으며, 성능 척도에 따라 가장 우수한 기계 학습 기법이 상이함을 알 수 있었다. MAPE 의 경우 AdaBoost 는 5.66%로 예측력 가장 높은 모형이다. 둘째, 세대수는 예측오차가 크게 발생하는 가장 큰 요인으로 나타났으며 그 다음 용적률과 가격도 오차에 큰 영향을 미치는 것으로 나타났다. 셋째, 세대 수 기반으로 전체 샘플을 분할하여 각각 AdaBoost 적용한 결과 세대수 66 이하인 표본의 MAPE 가 4.22%로 나타났으며 세대 수 66 보다 많은 표본의 MAPE 가 4.87%로 나타났으며 모두 분할전의 총 MAPE 보다 작게 나타났다.