AI モデルの仕組み

マプカチの推定価格は、 国土交通省「不動産情報ライブラリ」 のオープンデータを LightGBM 回帰モデルで学習し、 split-conformal キャリブレーションで予測幅 (75% 信頼区間) を組み合わせて生成しています。 透明性確保のため、 全工程を公開します。

1. 学習データ

マプカチが学習に使用する公的データの概要:

2. 前処理 (編集・加工)

REINFOLIB の生データは AI 学習に直接使えないため、 以下の編集・加工を実施しています:

• 建築年の正規化: 和暦 (平成・令和・戦前) を西暦に変換
• 面積のパース: 文字列・全角・単位混在の面積を数値に統一
• 外れ値除去: 価格 ÷ 面積で計算した ㎡ 単価について、 市区町村別・四半期別に MAD (中央絶対偏差) ベースで極端な外れ値を除外 (約 1.6% 除外)
• 町丁目集約: 個別取引を町丁目 (大字) レベルで集約し、 周辺取引数や近隣中央値を派生特徴量として生成
• 駅距離特徴の生成: 国土数値情報の駅位置から最寄り駅・2 番目に近い駅・主要路線駅までの直線距離を計算
• 道路情報の取り込み (戸建てのみ): 前面道路の幅員・方位を訓練データから取得 (取得できない場合は NaN として LightGBM が自動処理)

前処理コードは learn された予測モデルが OSS と同様に再現できる程度に文書化されています。 詳細な実装は本サービスのソースコード (Python + scikit-learn 互換 LightGBM) でご確認いただけます。

3. 入力特徴量

モデルが推論時に参照する特徴量 (全 30 程度):

4. モデル: LightGBM 回帰

マプカチは LightGBM (Microsoft 開発の勾配ブースティング決定木フレームワーク) を用いた回帰モデルを学習しています。

• 目的関数: quantile loss (alpha=0.5) で対数価格の中央値を予測
• ハイパーパラメータ: Optuna による事前探索で決定
• 中古マンション・戸建てを別モデルとして学習 (特徴量の効き方が異なるため)
• 訓練時には末尾の四半期 (2025Q4) をホールドアウトとして検証に利用

5. 予測幅 (75% 信頼区間) の生成

マプカチは点推定だけでなく 予測幅 (75% 信頼区間) も同時に表示します。 これは「同じ条件で 100 回取引があれば、 約 75 回はこの範囲に収まる」 という意味で、 物件ごとに異なる不確実性を反映します。

仕組み:

1. 中央値モデルとは別に「σ̂ モデル (不確実性予測モデル)」 を学習。 訓練データの残差 (実際の価格 − 予測値の絶対値) を回帰のターゲットとし、 LightGBM で学習
2. 検証セット (2025Q4) で予測値・σ̂ を計算し、 残差を σ̂ で正規化した分布の 12.5 / 87.5 パーセンタイル (q_lo, q_hi) を保存
3. 推論時: 中央値 + (q_lo, q_hi) × σ̂(x) で予測幅を算出

これは Split Conformal Prediction (Romano et al. 2019 / Lei et al. 2018) と呼ばれる統計手法で、 ホールドアウト検証セット上で 75% カバレッジを保証します。

6. バックテスト結果 (検証セット)

2025Q4 のホールドアウト検証結果 (執筆時点):

これらの指標は検証セット (2025Q4) における目安であり、 個別物件の予測精度を保証するものではありません。 物件・エリア・特殊事情によって精度は変動します。

7. モデルの限界と注意点

• 過去の取引データに基づく統計予測です。 急激な市況変化や個別物件の特殊事情 (角部屋 / 専用庭 / 眺望 / リフォーム履歴 等) は反映されません
• 町丁目別の予測は東京 23 区が最も網羅的で、 その他地域は市町村単位の集約となる場合があります
• 建築年・面積・間取り等が不明な場合は、 同間取りの一般的な中央値で代替されます
• 戸建ての前面道路・延床面積は任意入力です。 未入力でも予測可能ですが、 入力すると精度がやや向上することを訓練時に確認しています
• 金融機関の融資審査・税務申告・法定書類 等の根拠資料としては使用できません

8. アップデートと更新頻度

モデルは概ね月次〜数ヶ月単位で再学習・再キャリブレーションを行っています。 最新の更新時期と検証指標は トップページ 予測結果の モデル v0.7-conformal 等のバージョン表記でご確認いただけます。