いまは東京23区 · 地価は90%目標で校正した区間つき
点で決めない。幅で決める。
一点予測は外れたとき静かに嘘をつく。Landcastは地価を、 コンフォーマル予測で90%を目標に校正した区間つきで返します。 校正と検証は観測済みの年で行ったもので、実際に返す1〜3年先の予測でその区間が何%当たるかは、まだ測っていません。 地価以外の10出力は、区単位の固定値にもとづく試算として併記します — 校正された区間はありません。 いまは東京23区、順次拡大。
点推定に対する区間の下限と上限
×0.6–×1.6
← 90%目標で校正した区間 · 中央の線が点推定 →
学習・校正に使った地点の価格帯（約19.8万〜5,570万円/㎡）と予測年数により、 下限は約0.52〜0.66倍、上限は約1.53〜1.92倍。図は中央値の地点・1年先。
Target
90%
Model
v6.0.0
Cal. n
989
How it works
外したとき、
いくら振れるか。
通常のモデルは「8,400,000円」と 一点 で答える。外したときの誤差は誰も知らない。
Conformal Prediction は、点に加えて、実値が指定した割合で入るよう校正した区間を返す。 理論が保証するのは、校正に使ったデータと予測するデータが交換可能（同じ分布から、順序を入れ替えても区別できない形で得られている）であるときに、多数の予測をならした平均で、区間が実値を含む確率が指定した水準以上になる、ということだけだ。 地点ごとや価格帯ごとに成り立つ保証ではなく、個々の予測が当たることも約束しない。
将来の年を予測するとき、この前提は崩れる。市況は年ごとに動き、過去の年で校正した区間が将来の年にも同じ割合で当たるとは限らない。
Landcast の地価モデルは α = 0.10、つまり 90% カバレッジを目標に校正している。 校正も実測も観測済みの年のデータで行ったもので、実際に返す1〜3年先の区間にはこの保証が及ばず、何%当たるかはまだ測っていない。 地価以外の10出力は、この校正を持たない。
Analysis
地価以外も、
出どころを明記して。
学習済みモデルがあるのは地価のみです。ここに挙げた3つを含め、 地価以外の10出力は区単位の固定値にもとづく算術計算で、 校正された区間はありません。各行にその区別を明記しています。 すべての出力は API でも参照可能。
- 01
地価
学習済みモデルStacking Ensemble + Conformal で、公示地価相当の1〜3年先の点と区間を予測。区間は90%目標で校正、1〜3年先での的中率は未検証
- 02
賃料
固定値による試算区ごとの賃料相場の固定値に、築年数・駅距離などの係数を当てた推定
- 03
空室・人口
固定値による試算区ごとの人口・空室率の固定値に、一定の増減率を当てて対象年を選んで算出する試算
- 04
商業ポテンシャル
固定値による試算業種別に S/A/B/C/D で出店適性を評価
Numbers
測ったこと、まだ測っていないこと。
地価モデル ensemble-v6.0.0-conformal の実測値です。 カバレッジ・R²・MAPE は、学習にも校正にも使っていない地点（全体の15%）を、観測済みの年のまま当てたときの値です。 予測年数は0で、年数に応じて区間を広げる処理もかけていません。
実際にLandcastが返すのは1〜3年先の予測です。その区間が何%当たるかも、誤差がどれだけかも、まだ測っていません。
地価以外の10出力には学習済みモデルがなく、これらの数値は当てはまりません。
- Coverage · horizon 0
- 92.0%
- R² on holdout
- 0.754
- MAPE on holdout
- 17.4%
- Calibration samples
- 989
target 90% · observed years, no widening
15% holdout, split by point_id
same holdout
held-out calibration split