Rzhischev / real-estate-eda

Elbrus Bootcamp | Phase-0 | Team project

Real Estate Exploratory Data Analysis

Elbrus Bootcamp | Phase-0 | Team project

🦸‍♂️Команда

1. Антон Яблоков
2. Вика Иванова
3. Салман Чакаев
4. Гриша Ржищев

🎯 Задача

Подготовить датасет для машинного обучения

📐 Ключевая метрика

Средняя абсолютная ошибка в процентах (MAPE). Улучшить значение MAPE с 50% до 30% и менее.

📚 Библиотеки

import re
import requests
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

from geopy.exc import GeocoderTimedOut
from geopy.distance import geodesic
from geopy.geocoders import Nominatim

from tqdm import tqdm

from sklearn.preprocessing import OneHotEncoder
from sklearn.preprocessing import StandardScaler

price

🧠 Выводы

После проведения очистки и преобразования данных исходного датасета было решено проанализировать корреляцию каждого из параметров с переменной ['Стоимость']. В результате были выбраны следующие параметры:

feature	price_corr
eiling_height	0.299
count_room	0.582
area	0.785
toilet_join_count	0.393
shower_bath	0.353
conditioner	0.242
dishwasher	0.354
parking_underground	0.257
repair_designers	0.288
repair_renovation_repair	0.238
windows_courtyard_and_street_side_windows	0.202
district_garden_ring	0.465
district_mkad	0.234

В папке release ver 3.0 доступен полный файл корреляция.ipynb