Od realitních inzerátu až po experimentální model na odhad cen bytů.
Co se stane, když vytěžíme nabídky bytů, zaznamenáváme jejich důležité vlastnosti a necháme model hledat souvislosti mezi nimi a cenou? Vznikne nástroj, který vám pomůže rychle odhadnout nabídkovou cenu bytu v Česku a lépe se zorientovat na trhu. Zároveň chceme ukázat, jak model funguje a z čeho při svém odhadu vychází.
Od inzerátu k odhadu
Scraper (automatizovaný vytěžovač dat) průběžně převádí inzeráty z nejmenovaného realitního portálu* do jednotné struktury. První vrstva čte tabulku parametrů, polohu a základní údaje deterministicky. Druhá vrstva přes lokální AI model vytahuje specifické atributy nemovitosti ze samotného textového popisu od realiťáků, v této ukázce je však neaktivní, druhá vrstva přinesla pouze zanedbatelné zlepšení. Predikce stojí jen na dobře kontrolovatelných údajích.
*stránka portálu je zranitelná a z bezpečnostních důvodů není zveřejněna, jedná se o jeden z nejnavštěvovanějších realitních portálů
Jádro trénovacího experimentupython
X = build_features(listings)
y = listings["price"]
model = HistGradientBoostingRegressor(
loss="gamma",
monotonic_cst=constraints,
max_iter=700,
learning_rate=0.05,
)
model.fit(X, y)
Co model sleduje
Vstupem je plocha, dispozice, souřadnice, konstrukce, stav, vlastnictví, podlaží, počet podlaží, energetická třída, vytápění a vybavení jako výtah, balkon, terasa, lodžie nebo bezbariérovost. Plocha, kvalita stavu, PENB a vybavení mají monotónní omezení: jejich zlepšení samo o sobě nesmí odhad nesmyslně snížit.
MODEL / ČESKÉ BYTY
Kolik může stát byt?
Vyberte město a parametry bytu. Odhad se spočítá přes naše API; zadané hodnoty se na serveru neukládají.
Model připraven · 12 403 nabídek · výpočet přes API
Jak přesný je výsledek?
Model jsme vytvořili z dat o 12 403 českých bytech nabízených k prodeji. Při jeho testování jsme pětinu bytů odložili stranou, takže jejich data během trénování neviděl. Na této pětině jsme následně změřili jeho přesnost. Model dosáhl R² 0,848 a jeho průměrná procentní chyba činila 15,4 %. Přibližně 76,2 % odhadů se nacházelo v rozmezí ±20 % od inzerované ceny. Celkově model ceny podhodnocoval pouze přibližně o 1 %. Jde o dobrý výsledek pro základní orientaci v nabídkových cenách.
Model odhaduje cenu, za kterou se byt nabízí. Ne cenu, za kterou se nakonec skutečně prodá. Tzn. cena uvedená v inzerátu. Některé inzeráty obsahovaly provizi makléře přímo v ceně.
Důležité rozlišení
Model přes jednoduché API
Původní model je uložený jako soubor pro Python. Webová ukázka posílá pouze zvolené parametry našemu malému API, které model vyhodnotí na serveru a vrátí odhad. Díky tomu návštěvník nemusí stahovat několik megabajtů dat modelu. Zadané hodnoty neukládáme ani nepředáváme třetím stranám.
Data zachycují nabídky dostupné 22. června 2026. Model nezná přesný stav interiéru, hluk ulice, výhled, právní vady ani skutečnou vyjednanou cenu. U atypických bytů nebo míst s malým zastoupením může být chyba výrazně vyšší než uváděné průměry.
Model nemá přehled o cenovém vývoji v čase. Ceny nemovitostí jsou neustále v pohybu, na udržitelný model potřebujeme více historických dat. Obecně lze říct, že čím starší model, tím horší predikce, jednoduchým a nejlevnějším řešením může být úprava výsledků o kumulativní procentuální rozdíl cen bytů mezi datem trénování a současností, nelze však počítat s původní přesností modelu. Oficiální indexy navíc sledují převážně skutečné transakční ceny, zatímco náš model pracuje s cenami nabídek.
Používejte výsledek jako rychlou hypotézu. Skutečné rozhodnutí potřebuje lokální srovnání, prohlídku a lidský úsudek.
Theine
Další krok
Poznáváte v tom svoji práci?
Přijedeme se zdarma a bez závazků podívat, kde má automatizace ve vaší firmě největší smysl.