Техническая документация Link Home API
Link Home API
Интеллектуальная система оценки жилой недвижимости в Узбекистане. Модель Link Home анализирует параметры локации, инфраструктуры и характеристик здания для предоставления точной рыночной стоимости.
Авторизация
Доступ к эндпоинтам осуществляется через статический API-ключ. Передавайте его в заголовке запроса X-API-Key.
Конфиденциальность данных
Платформа не требует передачи персональных данных клиентов (ПДн). Расчеты выполняются исключительно на базе технических параметров актива.
Методология (Glass Box)
Сбор и обработка данных
Наша система ежедневно агрегирует данные из различных источников, включая крупнейшие классифайды и социальные сети, включая информацию о местоположении до уровня махалли. Процесс включает многоэтапную очистку: удаление дублей, фильтрацию выбросов, а также ряд других этапов, формируя уникальную базу данных и процесс очистки.
Микролокационная значимость
Территориальность — важнейший фактор в оценке недвижимости. Наши модели Link Home оценивают объекты с точностью до конкретных махаллей.
Это позволяет системе учитывать престижность квартала, наличие социальной инфраструктуры и реальный покупательский спрос в конкретной микролокации.
Ансамблевый подход
Оценка Link Home строится на многоуровневом ансамбле ML-моделей (AutoGluon): градиентный бустинг LightGBM и CatBoost, случайный лес и Extra Trees первого уровня, поверх которых обучены модели второго уровня и взвешенный ансамбль.
Модель обучена на сотнях тысяч объявлений о продаже квартир в Ташкенте и учитывает 162 признака: параметры объекта, координаты, инфраструктуру рядом (OpenStreetMap), GeoScore, расстояние до метро и макроэкономику (курсы валют, ставки, инфляция). Финальная стоимость — консенсус нескольких алгоритмов, что снижает риск статистической погрешности.
Диапазон цены в ответе — это 80%-интервал, рассчитанный по реальным ошибкам модели на объявлениях, которые она не видела при обучении.
Показатели точности
Обновление данных и моделей в системе Asint происходит каждый месяц для отражения актуальных рыночных трендов. С каждым обновлением наши модели становятся точнее. Следите за нашими обновлениями! Asint LinkedIn
Точность модели по районам Ташкента
| Район | R2 Score | MAPE (Ошибка) | MAE ($) | Статус |
|---|---|---|---|---|
| Мирзо-Улугбекский | 0.913 | 9.6% | 8,113 | Средняя точность |
| Мирабадский | 0.893 | 12.8% | 12,468 | Невысокая точность |
| Юнусабадский | 0.893 | 9.3% | 9,264 | Средняя точность |
| Чиланзарский | 0.891 | 7.2% | 5,083 | Высокая точность |
| Алмазарский | 0.887 | 8.2% | 6,952 | Высокая точность |
| Яккасарайский | 0.880 | 10.0% | 8,934 | Средняя точность |
| Бектемирский | 0.868 | 13.6% | 6,686 | Невысокая точность |
| Учтепинский | 0.868 | 6.5% | 4,192 | Высокая точность |
| Яшнабадский | 0.861 | 9.5% | 6,601 | Средняя точность |
| Шайхантахурский | 0.847 | 9.6% | 8,640 | Средняя точность |
| Янгихаётский | 0.819 | 8.8% | 4,744 | Высокая точность |
| Сергелийский | 0.815 | 13.7% | 10,043 | Невысокая точность |
Интерпретация показателей точности
Показатели в таблице выше — это ошибки модели Link Home на объявлениях, которые она не видела при обучении (out-of-fold), сгруппированные по району. Общая картина: R² 0.89, средняя ошибка 10.3% (около $8 200) на отложенной тестовой выборке. Ошибка зависит от того, насколько однородны цены в районе и насколько точно известно расположение объекта.
Наименьшая ошибка (MAPE до 9%)
Учтепинский (6.5%), Чиланзарский (7.2%), Алмазарский (8.2%) и Янгихаётский (8.8%). Здесь цены на похожие квартиры расходятся меньше всего, поэтому оценка ближе всего к рыночной.
Средняя ошибка (MAPE 9–10%)
Юнусабадский, Яшнабадский, Мирзо-Улугбекский, Шайхантахурский и Яккасарайский районы — типичная для модели точность.
Повышенная ошибка (MAPE выше 12%)
Мирабадский (12.8%), Бектемирский (13.6%) и Сергелийский (13.7%). В Мирабадском самые высокие цены и самый большой разброс в долларах (MAE около $12 500); в Бектемирском мало объявлений для обучения.
- Что это значит: для этих районов отчёт показывает более низкий уровень уверенности, а диапазон цены стоит читать шире.
- Перспективы: по мере пополнения выборки объявлениями с точным расположением точность растёт с каждым обновлением модели.
Asint не использует статичную модель. Наша архитектура подразумевает непрерывный цикл обновления данных. С каждой новой сделкой точность в «зонах калибровки» планомерно приближается к эталонным показателям центральных районов города, обеспечивая в будущем бесшовное покрытие всей территории республики.
Влияние факторов (Feature Importance)
Перестановочная важность: насколько вырастает ошибка модели, если признак перемешать. Доля от суммарной важности всех 162 признаков.
Фундаментальный физический параметр.
Гипер-локальность: самый важный фактор после площади.
Добавленная стоимость отделки.
Отражает тип жилья (высотка / малоэтажка).
Влияет на целевую аудиторию объекта.
| Источник признаков | Признаков | Доля важности |
|---|---|---|
| Сам объект (площадь, этаж, ремонт, район, махалля…) | 28 | 88.0% |
| Инфраструктура рядом (OpenStreetMap: школы, парки, ТЦ, промзоны…) | 65 | 6.0% |
| GeoScore и метро | 25 | 3.3% |
| Макроэкономика (курсы, ставки, инфляция, ВВП) | 44 | 2.7% |
/service/predict/home
Метод для оценки жилой недвижимости. Принимает параметры объекта и возвращает оценочную стоимость, интервалы уверенности и данные для проверки на аномалии.
Тело запроса (JSON)
| Ключ | Тип | Описание |
|---|---|---|
| area | float | Общая площадь в кв.м. Обязательно |
| district | string | Район (напр. "Chilonzor" или "chilonzar"). Нужен район или координаты |
| latitude, longitude | float | Точка на карте внутри Ташкента. Чем точнее, тем точнее оценка: по ней определяются район, метро, инфраструктура и GeoScore |
| mahalla | string | Махалля (напр. "Abay mahallasi"), необязательно |
| rooms | int | Количество комнат |
| floor | int | Этаж расположения |
| total_floors | int | Этажность здания |
| renovation | string | Ремонт: qora_karkas, oq_karkas, oddiy, yaxshi, evro, dizayn, yangi_uy (также принимаются Zo_r, Yaxshi, Qoniqarsiz) |
| building_type | string | Материал: kirpich, panel, monolit, beton, yog_och (также принимается qurilish_turi: Panelli, G'ishtli…) |
| seller_type | string | owner или agent (также owner: Xususiy, Biznes). По умолчанию owner |
| year_built | int | Год постройки, необязательно |
| ceiling_height_m | float | Высота потолков, необязательно |
| is_furnished, is_new_construction | bool | Меблирована / новостройка, необязательно |
| explain | bool | Вернуть, что влияет на цену (факторы factors) |
Ответ (JSON)
| Ключ | Тип | Описание |
|---|---|---|
| predicted_price | int | Оценочная стоимость, USD |
| price_range | [int, int] | 80%-интервал цены: в 8 случаях из 10 реальная цена внутри него |
| price_per_sqm, geo_score | number | Цена за кв.м. и GeoScore локации |
| district, district_listings | string, int | Определённый район и число объявлений района, на которых обучена модель |
| factors | array | Только при explain: true: вклад локации, ремонта, материала, возраста и этажа в USD относительно типичной квартиры |
| warnings | array | Значения, которые не удалось распознать (оценка считается без них) |
| model_source | string | Какая модель ответила. toy — тестовая заглушка, не оценка |
cURL Запрос
-H "Content-Type: application/json" \
-H "X-API-Key: YOUR_API_KEY" \
-d '{
"district": "Chilonzor",
"mahalla": "Abay mahallasi",
"area": 65.0,
"rooms": 3,
"floor": 5,
"total_floors": 9,
"renovation": "evro",
"building_type": "kirpich",
"explain": true
}'
Python (requests)
url = "https://asint.uz/service/predict/home"
headers = {
"Content-Type": "application/json",
"X-API-Key": "YOUR_API_KEY"
}
data = {
"rooms": 3, "area": 65.0,
"floor": 5, "total_floors": 9,
"district": "Chilonzor", "mahalla": "Abay mahallasi",
"renovation": "evro", "explain": True
}
response = requests.post(url, headers=headers, json=data)
print(response.json())
/service/forecast/home
Прогноз средней цены предложения квартиры в районе Ташкента на 12 месяцев вперёд. Модель временных рядов (AutoGluon) обучена на ежемесячной истории объявлений по каждому району и макроэкономических показателях. Прогноз экспериментальный: истории пока немного, ошибка на 12-месячном тесте — 7.9% (MAE около $6 500). Это не инвестиционная рекомендация.
Параметры запроса
| Ключ | Тип | Описание |
|---|---|---|
| district | string | Район ("Chilonzor tumani" или "chilonzar"). Без параметра — сводка по всем 12 районам |
cURL Запрос
-H "X-API-Key: YOUR_API_KEY"
Ответ (сокращённо)
"model": "DirectTabular", "data_through": "2026-04", "horizon_months": 12,
"backtest": {"mape_pct": 7.94, "mae_usd": 6515.0},
"series": {
"district": "chilonzar", "baseline_usd": 76275.0, "change_pct": -5.4,
"history": [{"month": "2026-03", "value": 78400.0, "listings": 558.0}, ...],
"forecast": [{"month": "2026-05", "mean": 74800.0, "p10": 69100.0, "p90": 80500.0}, ...]
}
}
Коды ответов
| Код | Описание | Решение |
|---|---|---|
| 200 OK | Успешно | Объект оценен, результат в JSON. |
| 400 Bad Request | Ошибка параметров | Проверьте типы данных (напр. площадь должна быть числом). |
| 401 Unauthorized | Ошибка ключа | Ключ X-API-Key недействителен. |
| 429 Rate Limit | Много запросов | Превышена квота вашего тарифного плана. |