В данной статье рассматриваются различные модели машинного обучения, применяемые для прогнозирования стоимости недвижимости. Представлена классификация моделей машинного обучения на обучение с учителем и без учителя, приведены их особенности и охарактеризована применимость к задачам оценки стоимости недвижимости. Описаны этапы разработки и оценки моделей, включая предварительную обработку данных, выбор модели, обучение и оценку эффективности. Особое внимание уделено метрикам оценки точности моделей и необходимости включения геоданных для улучшения качества прогнозов. Проанализированы примеры успешного применения алгоритмов линейной регрессии, случайного леса и градиентного бустинга в данной области.