/predicao_precoscasas_House_Prices_regression

Sétimo mini projeto de data science em que pude usar diversos modelos de regressão para prever o preço das casas a partir de um conjunto diversificado de features

Primary LanguageJupyter Notebook

Predição de preço das casas usando técnicas de regressão:

Introdução:

Meu terceiro projeto de machine learning em que faço a competição "House-Prices---Advanced-Regression-Techniques" do Kaggle que fica hospedada no link abaixo:

https://www.kaggle.com/c/house-prices-advanced-regression-techniques

Nessa competição o objetivo é prever o valor de casas a partir de um conjunto de features que descrevem as características de cada habitação.

Desenvolvimento:

Durante o projeto tive a oportunidade de aplicar os conceitos de análise e limpeza dos dados, além do treinamento e teste de diversos modelos de regressão. Após escolher o melhor modelo, usando validação cruzada, encontrei os melhores parâmetros e com eles realizei a predição do preço das casas na base de teste

Resultados encontrados e conclusões

Model RSME MAE R2
Linear 34292.066172 21217.245255 0.808654
Lasso 34243.797211 21191.725763 0.809185
Ridge 34070.441706 21116.614448 0.811113
Elasticnet 39791.169440 24855.853127 0.743116
Randomforest 31483.863407 19029.278348 0.838903
XGB 31962.883473 19172.211020 0.833317
AdaBoost 37896.862435 25975.591471 0.765959
KNeighbors 39546.658734 24587.140876 0.744340
RandomForest_Tunning 30408.801632 17888.823232 0.850387
XGB_Tunning 30632.237645 18273.112651 0.848139