인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Recently, many researchers not only from industry but also from academia have interested in the art finance market. Although many people have studied growing art finance market, very few studies on the prediction model to evaluate the art price have been conducted. Therefore, in this study we have gathered a database of 12,105 paintings auctioned between 2009 and 2018 and have implemented decision tree-based machine learning algorithms (e.g., random forests, gradient boosting, XGboost) to develop prediction models for art prices and to improve the reliability for art experts’ estimates accurately. We have compared the prediction accuracy of the proposed approach based on root mean square error and mean absolute error. As a result of the analysis, we noticed that experts’ estimates from auction houses are more accurate only for high-priced artworks but overestimates low-priced artworks. On the other hand, the suggested prediction model’s accuracy considering decision tree-based model is better than the accuracy based on the parametric OLS model. Finally, we test the accuracy of prediction models considering expert evaluation to enhance the models’ predictive power. These results show that an integrated approach between expert appraisal systems and statistical models improves the prediction accuracy for artworks’ price.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
