Mortify 🏢

ML-ориентированный ипотечный кальтор для рынка недвижимости Москвы

Mortify — iOS-приложение на SwiftUI, которое прогнозирует рыночную стоимость квартиры с использованием Core ML и рассчитывает параметры ипотечного кредита.

Проект объединяет работу с реальными данными, feature engineering, архитектурный подход MVVM и продуманную пользовательскую логику.

---

Основные возможности

Прогноз стоимости недвижимости

• Модель Core ML обучена на реальном датасете московской недвижимости (Kaggle).
• Предсказание выполняется по цене за квадратный метр (PricePerM2) с последующим расчётом итоговой стоимости.
• Учитываемые параметры:
  • площадь (общая, жилая, кухня),
  • количество комнат,
  • этаж и этажность,
  • тип жилья (новостройка / вторичка),
  • тип ремонта,
  • время до метро,
  • расстояние до центра (рассчитано по станции метро).

---

Ипотечный калькулятор

• Расчёт ежемесячного аннуитетного платежа.
• Расчёт общей переплаты.
• График зависимости платежа от срока кредита.
• Динамическое обновление при изменении входных параметров.

---

Сравнение двух объектов

• Одновременный расчёт двух вариантов недвижимости.
• Отображение:
  • стоимости,
  • ежемесячного платежа,
  • переплаты,
  • разницы между вариантами.
• Бизнес-логика вынесена в сервис без дублирования кода.

---

История расчётов

• Сохранение сценариев в UserDefaults.
• Просмотр, удаление и очистка истории.
• Хранение параметров и результатов расчёта.

---

Поддержка регионов

Архитектура предусматривает масштабирование на другие регионы.
В текущей версии реализована Москва.

---

Видеодемонстрация

2026-02-16.21.05.56.mov

---

Архитектура

Проект построен с разделением на слои:

Core/
  Models/
  Services/
  Storage/
  Utilities/

Features/
  Home/
  Compare/
  History/
  Components/

Используемые принципы

• MVVM
• Изоляция бизнес-логики в сервисах
• ObservableObject + @Published
• Дебаунс пересчётов
• Валидация пользовательского ввода
• Защита от некорректных значений

Основная логика ML и ипотечного расчёта инкапсулирована в MortgageCalculatorService.

---

Машинное обучение

Данные

В проекте использованы:

• Исходный датасет: Moscow Housing Price Dataset
• Данные о расстоянии станций метро до центра Москвы

В папке Data/:

• raw/ — оригинальные данные
• external/ — вспомогательные источники
• processed/ — итоговый датасет после очистки и feature engineering

---

Особенности и ограничения данных

В процессе анализа были выявлены структурные особенности:

• вторичное жильё чаще расположено ближе к центру и имеет более высокую цену за м²;
• квартиры «без ремонта» во вторичном фонде часто находятся в дорогих районах;
• новостройки преимущественно представлены в удалённых районах;
• тип жилья и ремонт сильно коррелируют с локацией.

Это приводило к неинтуитивным предсказаниям (например, вторичка дороже новостройки).
Данные эффекты обусловлены распределением исходного датасета, а не ошибкой модели.

---

Принятые решения

В проекте реализованы:

• очистка выбросов по площади и цене,
• переход к target PricePerM2,
• расчёт расстояния до центра (distance_to_kremlin_km),
• создание производных признаков:
  • относительный этаж,
  • первый / последний этаж,
  • категоризация количества комнат,
• разделение моделей по типу жилья (новостройка / вторичка).

Разделение моделей позволило снизить влияние конфликтующих закономерностей.
Тем не менее часть эффектов остаётся зависеть от качества исходных данных.

---

Используемые признаки

Категориальные:

• Apartment type
• Renovation
• RoomsCat

Числовые:

• Area
• Living area
• Kitchen area
• Minutes to metro
• distance_to_kremlin_km
• RelativeFloor

Бинарные:

• IsFirstFloor
• IsLastFloor

---

Технологический стек

• Swift
• SwiftUI
• Core ML
• Create ML
• UserDefaults
• MVVM
• Unit-тестирование

---

Тестирование

В проекте реализованы unit-тесты:

• MortgageCalculatorServiceTests
• ContentViewModelTests
• CompareViewModelTests

Покрыта логика расчёта стоимости, ипотеки и сравнения.

---

Возможности развития

• Добавление других регионов.
• Интеграция с API объявлений.
• Онлайн-обновление модели.
• Расширенная аналитика чувствительности параметров.
• Поддержка iPad / macOS.

---

Автор

Работу выполнила Матвеенко Эльвира, студентка 3 курса направления «Программная инженерия».