HomeScope
1.0.0
HomeScope เป็นโครงการวิทยาศาสตร์ข้อมูลที่มุ่งเน้นการทำนายราคาบ้านเฉลี่ยในแคลิฟอร์เนียโดยใช้แบบจำลอง Random Forest Regressor ประกอบด้วยเทคนิคการประมวลผลข้อมูลล่วงหน้า โมเดลการเรียนรู้ของเครื่อง และกลยุทธ์การใช้งานที่หลากหลาย เพื่อให้อินเทอร์เฟซที่ใช้งานง่ายสำหรับการทำนายราคาบ้าน
housing.csv
: ชุดข้อมูลที่ใช้สำหรับฝึกและทดสอบโมเดลLink.docx
: เอกสารที่มีลิงก์ไปยังแอป Streamlit ที่ปรับใช้part1.ipynb
: สมุดบันทึก Jupyter สำหรับการวิเคราะห์เบื้องต้นและการประมวลผลล่วงหน้าpreprocessing.ipynb
: สมุดบันทึก Jupyter สำหรับการประมวลผลข้อมูลล่วงหน้าโดยเฉพาะrequirements.txt
: ระบุการพึ่งพา Python ที่จำเป็นสำหรับโปรเจ็กต์rfr_info.json
: ไฟล์ JSON พร้อมรายละเอียดเกี่ยวกับโมเดล Random Forest Regressor และคุณสมบัติอินพุตcal_predict.py
: สคริปต์ Python สำหรับการปรับใช้แอป Streamlitdeploy.ipynb
: โน้ตบุ๊ก Jupyter สรุปขั้นตอนการปรับใช้HomeScope.py
: สคริปต์หลักสำหรับแอป Streamlit โคลนที่เก็บ:
git clone https://github.com/yourusername/HomeScope.git
cd HomeScope
ติดตั้งแพ็คเกจที่จำเป็น:
pip install -r requirements.txt
หากต้องการเริ่มแอป Streamlit ให้รัน:
streamlit run HomeScope.py
แอปพลิเคชันจะสามารถเข้าถึงได้ที่ http://localhost:8501
โครงการนี้ใช้ Random Forest Regressor ไฟล์ rfr_info.json
มีข้อมูลโดยละเอียดเกี่ยวกับโมเดล รวมถึงคุณลักษณะอินพุตและช่วงที่เกี่ยวข้อง
longitude
: ลองจิจูดของสถานที่latitude
: ละติจูดของสถานที่housing_median_age
: อายุมัธยฐานของบ้านtotal_rooms
: จำนวนห้องทั้งหมดในบ้านtotal_bedrooms
: จำนวนห้องนอนทั้งหมดในบ้านpopulation
: ประชากรในพื้นที่households
: จำนวนครัวเรือนmedian_income
: รายได้เฉลี่ยของผู้อยู่อาศัยocean_proximity
: ความใกล้ชิดกับมหาสมุทร ยินดีบริจาค! โปรดอ่านหลักเกณฑ์การมีส่วนร่วมก่อน
โครงการนี้ได้รับอนุญาตภายใต้ใบอนุญาต MIT ดูไฟล์ LICENSE
สำหรับรายละเอียด
หากคุณมีคำถามหรือต้องการพูดคุยเพิ่มเติม โปรดติดต่อ: