HomeScope

홈 범위: 캘리포니아 중간 주택 가격 예측

개요

HomeScope는 Random Forest Regressor 모델을 사용하여 캘리포니아의 중간 주택 가격을 예측하는 데 초점을 맞춘 데이터 과학 프로젝트입니다. 다양한 데이터 전처리 기술, 기계 학습 모델 및 배포 전략을 통합하여 주택 가격 예측을 위한 직관적인 인터페이스를 제공합니다.

프로젝트 구조

• housing.csv : 모델 훈련 및 테스트에 사용되는 데이터 세트입니다.
• Link.docx : 배포된 Streamlit 앱에 대한 링크가 포함된 문서입니다.
• part1.ipynb : 초기 분석 및 전처리를 위한 Jupyter 노트북입니다.
• preprocessing.ipynb : 데이터 전처리 전용 Jupyter 노트북입니다.
• requirements.txt : 프로젝트에 필요한 Python 종속성을 지정합니다.
• rfr_info.json : Random Forest Regressor 모델 및 입력 기능에 대한 세부 정보가 포함된 JSON 파일입니다.
• cal_predict.py : Streamlit 앱 배포를 위한 Python 스크립트입니다.
• deploy.ipynb : 배포 단계를 간략하게 설명하는 Jupyter 노트북입니다.
• HomeScope.py : Streamlit 앱의 기본 스크립트입니다.

설정

전제 조건

• 파이썬 3.8 이상
• Pip(Python 패키지 설치 프로그램)

설치

1. 저장소를 복제합니다.

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

2. 필수 패키지를 설치합니다:

   pip install -r requirements.txt

애플리케이션 실행

Streamlit 앱을 시작하려면 다음을 실행하세요.

streamlit run HomeScope.py

애플리케이션은 http://localhost:8501 에서 액세스할 수 있습니다.

용법

1. 배포된 앱으로 이동하거나 앱을 로컬에서 실행합니다.
2. 사이드바 옵션을 사용하여 입력 매개변수를 조정합니다.
3. 예상 중간 주택 가격을 받으려면 "예측" 버튼을 클릭하세요.

모델 정보

이 프로젝트는 Random Forest Regressor를 사용합니다. rfr_info.json 파일에는 입력 기능 및 해당 범위를 포함하여 모델에 대한 자세한 정보가 포함되어 있습니다.

입력 기능

• longitude : 위치의 경도입니다.
• latitude : 위치의 위도입니다.
• housing_median_age : 주택의 평균연령입니다.
• total_rooms : 집에 있는 총 방 수입니다.
• total_bedrooms : 집에 있는 총 침실 수입니다.
• population : 해당 지역의 인구.
• households : 가구 수.
• median_income : 주민의 중간소득입니다.
• ocean_proximity : 바다와의 근접성.

기여

기여를 환영합니다! 먼저 기여 지침을 읽어보세요.

특허

이 프로젝트는 MIT 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 LICENSE 파일을 참조하세요.

감사의 말

• 데이터 세트: 캘리포니아 주택 가격 데이터 세트.
• 데이터 과학 앱을 배포하기 위한 플랫폼을 제공하는 Streamlit.
• 기계 학습 알고리즘을 위한 Scikit-learn.

저에게 연락하세요

질문이 있거나 추가 논의를 원하시면 언제든지 다음 연락처로 문의해 주세요.

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