Téléchargement HomeScope - Téléchargement du code source HomeScope

HomeScope

Code Source AI

1.0.0

Télécharger

HomeScope : Prévision du prix médian des logements en Californie

Aperçu

HomeScope est un projet de science des données axé sur la prévision des prix médians de l'immobilier en Californie à l'aide d'un modèle Random Forest Regressor. Il intègre une variété de techniques de prétraitement des données, de modèles d'apprentissage automatique et de stratégies de déploiement pour fournir une interface intuitive pour la prévision des prix de l'immobilier.

Structure du projet

housing.csv : Ensemble de données utilisé pour entraîner et tester le modèle.
Link.docx : Document contenant un lien vers l'application Streamlit déployée.
part1.ipynb : notebook Jupyter pour l'analyse initiale et le prétraitement.
preprocessing.ipynb : notebook Jupyter dédié au prétraitement des données.
requirements.txt : Spécifie les dépendances Python requises pour le projet.
rfr_info.json : fichier JSON avec des détails sur le modèle Random Forest Regressor et les fonctionnalités d'entrée.
cal_predict.py : script Python pour le déploiement de l'application Streamlit.
deploy.ipynb : notebook Jupyter décrivant les étapes de déploiement.
HomeScope.py : Script principal de l'application Streamlit.

Installation

Conditions préalables

Python 3.8 ou supérieur
Pip (installateur du package Python)

Installation

Clonez le dépôt :

git clone https://github.com/yourusername/HomeScope.git
cd HomeScope

Installez les packages requis :
```
pip install -r requirements.txt
```

Exécution de l'application

Pour démarrer l'application Streamlit, exécutez :

streamlit run HomeScope.py

L'application sera accessible sur http://localhost:8501 .

Usage

Accédez à l’application déployée ou lancez l’application localement.
Ajustez les paramètres d’entrée à l’aide des options de la barre latérale.
Cliquez sur le bouton « Prédire » pour recevoir le prix médian de l'immobilier prévu.

Informations sur le modèle

Le projet utilise un régresseur de forêt aléatoire. Le fichier rfr_info.json contient des informations détaillées sur le modèle, y compris les entités en entrée et leurs plages respectives.

Fonctionnalités d'entrée

longitude : Longitude du lieu.
latitude : Latitude du lieu.
housing_median_age : Âge médian des maisons.
total_rooms : Nombre total de pièces dans les maisons.
total_bedrooms : Nombre total de chambres dans les maisons.
population : Population de la zone.
households : Nombre de ménages.
median_income : Revenu médian des résidents.
ocean_proximity : Proximité de l'océan.

Contribuer

Les contributions sont les bienvenues ! Veuillez d'abord lire les directives de contribution.

Licence

Ce projet est sous licence MIT. Voir le fichier LICENSE pour plus de détails.

Remerciements

Ensemble de données : ensemble de données sur les prix des logements en Californie.
Streamlit pour fournir une plate-forme pour déployer des applications de science des données.
Scikit-learn pour les algorithmes d'apprentissage automatique.