HomeScope

HomeScope: Prediksi Harga Rumah Median California

Ringkasan

HomeScope adalah proyek ilmu data yang berfokus pada prediksi harga median rumah di California menggunakan model Random Forest Regressor. Ini menggabungkan berbagai teknik pemrosesan awal data, model pembelajaran mesin, dan strategi penerapan untuk menyediakan antarmuka intuitif untuk prediksi harga rumah.

Struktur Proyek

• housing.csv : Kumpulan data yang digunakan untuk pelatihan dan pengujian model.
• Link.docx : Dokumen yang berisi tautan ke aplikasi Streamlit yang diterapkan.
• part1.ipynb : Notebook Jupyter untuk analisis awal dan prapemrosesan.
• preprocessing.ipynb : Notebook Jupyter yang didedikasikan untuk pemrosesan awal data.
• requirements.txt : Menentukan dependensi Python yang diperlukan untuk proyek.
• rfr_info.json : File JSON dengan detail tentang model Random Forest Regressor dan fitur input.
• cal_predict.py : Skrip Python untuk penerapan aplikasi Streamlit.
• deploy.ipynb : Notebook Jupyter yang menguraikan langkah-langkah penerapan.
• HomeScope.py : Skrip utama untuk aplikasi Streamlit.

Pengaturan

Prasyarat

• Python 3.8 atau lebih tinggi
• Pip (penginstal paket Python)

Instalasi

1. Kloning repositori:

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

2. Instal paket yang diperlukan:

   pip install -r requirements.txt

Menjalankan Aplikasi

Untuk memulai aplikasi Streamlit, jalankan:

streamlit run HomeScope.py

Aplikasi akan dapat diakses di http://localhost:8501 .

Penggunaan

1. Navigasikan ke aplikasi yang diterapkan atau luncurkan aplikasi secara lokal.
2. Sesuaikan parameter input menggunakan opsi sidebar.
3. Klik tombol "Prediksi" untuk menerima prediksi harga median rumah.

Informasi Model

Proyek ini menggunakan Random Forest Regressor. File rfr_info.json berisi informasi detail tentang model, termasuk fitur input dan rentangnya masing-masing.

Fitur Masukan

• longitude : Bujur lokasi.
• latitude : Garis lintang lokasi.
• housing_median_age : Usia rata-rata rumah.
• total_rooms : Jumlah total kamar di dalam rumah.
• total_bedrooms : Jumlah total kamar tidur di dalam rumah.
• population : Populasi di wilayah tersebut.
• households : Jumlah rumah tangga.
• median_income : Pendapatan rata-rata penduduk.
• ocean_proximity : Kedekatan dengan laut.

Berkontribusi

Kontribusi dipersilahkan! Silakan baca pedoman berkontribusi terlebih dahulu.

Lisensi

Proyek ini dilisensikan di bawah Lisensi MIT. Lihat file LICENSE untuk detailnya.

Ucapan Terima Kasih

• Kumpulan data: Kumpulan data Harga Perumahan California.
• Streamlit untuk menyediakan platform untuk menerapkan aplikasi ilmu data.
• Scikit-belajar untuk algoritma pembelajaran mesin.

Hubungi saya

Jika Anda memiliki pertanyaan atau ingin berdiskusi lebih lanjut, silakan menghubungi:

• Email : [email protected]
• LinkedIn : Shubham Chandra