HomeScope

ホームスコープ: カリフォルニアの住宅価格中央値予測

概要

HomeScope は、ランダム フォレスト リグレッサー モデルを使用してカリフォルニアの住宅価格の中央値を予測することに焦点を当てたデータ サイエンス プロジェクトです。さまざまなデータ前処理技術、機械学習モデル、導入戦略が組み込まれており、住宅価格予測のための直感的なインターフェイスを提供します。

プロジェクトの構造

• housing.csv : モデルのトレーニングとテストに使用されるデータセット。
• Link.docx : デプロイされた Streamlit アプリへのリンクを含むドキュメント。
• part1.ipynb : 初期分析と前処理用の Jupyter ノートブック。
• preprocessing.ipynb : データ前処理専用の Jupyter ノートブック。
• requirements.txt : プロジェクトに必要な Python の依存関係を指定します。
• rfr_info.json : ランダム フォレスト リグレッサー モデルと入力特徴の詳細を含む JSON ファイル。
• cal_predict.py : Streamlit アプリのデプロイメント用の Python スクリプト。
• deploy.ipynb : デプロイメント手順の概要を説明する Jupyter ノートブック。
• HomeScope.py : Streamlit アプリのメイン スクリプト。

設定

前提条件

• Python 3.8以降
• Pip (Python パッケージ インストーラー)

インストール

1. リポジトリのクローンを作成します。

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

2. 必要なパッケージをインストールします。

   pip install -r requirements.txt

アプリケーションの実行

Streamlit アプリを起動するには、次のコマンドを実行します。

streamlit run HomeScope.py

アプリケーションにhttp://localhost:8501からアクセスできます。

使用法

1. デプロイされたアプリに移動するか、アプリをローカルで起動します。
2. サイドバーのオプションを使用して入力パラメータを調整します。
3. 「予測」ボタンをクリックすると、住宅価格の予測中央値が表示されます。

モデル情報

このプロジェクトでは、ランダム フォレスト リグレッサーを使用します。 rfr_info.jsonファイルには、入力フィーチャとそのそれぞれの範囲を含む、モデルに関する詳細情報が含まれています。

入力特徴

• longitude : 場所の経度。
• latitude : 場所の緯度。
• housing_median_age : 住宅の築年数の中央値。
• total_rooms : 住宅の部屋の合計数。
• total_bedrooms : 家の寝室の合計数。
• population : その地域の人口。
• households : 世帯数。
• median_income : 居住者の収入の中央値。
• ocean_proximity : 海への近さ。

貢献する

貢献は大歓迎です!まず投稿ガイドラインをお読みください。

ライセンス

このプロジェクトは MIT ライセンスに基づいてライセンスされています。詳細については、 LICENSEファイルを参照してください。

謝辞

• データセット: カリフォルニア住宅価格データセット。
• データ サイエンス アプリをデプロイするためのプラットフォームを提供する Streamlit。
• 機械学習アルゴリズムの Scikit-Learn。

連絡してください

ご質問がある場合、またはさらに詳しく話し合いたい場合は、お気軽にお問い合わせください。

• メール: [email protected]
• LinkedIn : シャバム チャンドラ