HomeScope هو مشروع لعلم البيانات يركز على التنبؤ بمتوسط أسعار المنازل في كاليفورنيا باستخدام نموذج Random Forest Regressor. وهو يشتمل على مجموعة متنوعة من تقنيات المعالجة المسبقة للبيانات ونماذج التعلم الآلي واستراتيجيات النشر لتوفير واجهة بديهية للتنبؤ بأسعار المنازل.
housing.csv
: مجموعة البيانات المستخدمة للتدريب واختبار النموذج.Link.docx
: مستند يحتوي على رابط لتطبيق Streamlit الذي تم نشره.part1.ipynb
: دفتر Jupyter للتحليل الأولي والمعالجة المسبقة.preprocessing.ipynb
: دفتر Jupyter المخصص للمعالجة المسبقة للبيانات.requirements.txt
: يحدد تبعيات بايثون المطلوبة للمشروع.rfr_info.json
: ملف JSON يحتوي على تفاصيل حول نموذج Random Forest Regressor وميزات الإدخال.cal_predict.py
: برنامج Python النصي لنشر تطبيق Streamlit.deploy.ipynb
: دفتر Jupyter الذي يوضح خطوات النشر.HomeScope.py
: البرنامج النصي الرئيسي لتطبيق Streamlit. استنساخ المستودع:
git clone https://github.com/yourusername/HomeScope.git
cd HomeScope
تثبيت الحزم المطلوبة:
pip install -r requirements.txt
لبدء تطبيق Streamlit، قم بتشغيل:
streamlit run HomeScope.py
سيكون التطبيق متاحًا على http://localhost:8501
.
يستخدم المشروع Random Forest Regressor. يحتوي ملف rfr_info.json
على معلومات تفصيلية حول النموذج، بما في ذلك ميزات الإدخال والنطاقات الخاصة بها.
longitude
: خط طول الموقع.latitude
: خط العرض للموقع.housing_median_age
: متوسط عمر المنازل.total_rooms
: إجمالي عدد الغرف في المنازل.total_bedrooms
: إجمالي عدد غرف النوم في المنازل.population
: عدد السكان في المنطقة.households
: عدد الأسر.median_income
: متوسط الدخل للمقيمين.ocean_proximity
: القرب من المحيط. المساهمات هي موضع ترحيب! يرجى قراءة المبادئ التوجيهية المساهمة أولا.
هذا المشروع مرخص بموجب ترخيص MIT. راجع ملف LICENSE
للحصول على التفاصيل.
إذا كانت لديك أي أسئلة أو ترغب في مناقشة المزيد، فلا تتردد في التواصل معنا: