Predicting the sale price of a house based on various features using multiple regression models.
Build regression models to predict SalePrice of houses using data from the Kaggle: House Prices - Advanced Regression Techniques competition.
- Gaps and distribution features identified
- Target variable transformed: logarithmic transformation
log1p(SalePrice) - Distribution, dependency and correlation graphs constructed
- Feature
LogSalePricecreated - Gaps filling: median (numeric), mode (categorical)
- Scaling of numeric features
- One-Hot Encoding of categorical
Models were used with pipelines:
- Linear Regression
- Ridge Regression
- Lasso Regression
- Random Forest Regressor
Metrics (MAE, MSE, R²) and ROC/Confusion Matrix comparison graphs for models are presented in the plots folder.
Random Forest showed the best performance:
- MAE: 0.039
- MSE: 0.004
- R²: 0.978
├── data/ # train.csv and test.csv data
├── src/
│ ├── preprocess.py # Preprocessing data
│ ├── train_lasso.py # Training Lasso
│ ├── train_rf.py # RandomForest
│ ├── train_small_rf.py # RandomForest model (4 features for API)
│ └── ...
├── models/ # Saved models and metrics
├── plots/ # Model comparison plots
├── notebooks/EDA.ipynb, plots.ipynb
├── submissions/ # CSV files for Kaggle
├── submissions/ # Kaggle files
├── deployment/ # API deployment
│ ├── app/
│ │ └── main.py # FastAPI application
│ └── Dockerfile
├── README.md # This file
Mini-model rf_small.pkl, trained on 4 features:
OverallQualGrLivAreaGarageCarsTotalBsmtSF
Starting the server:
docker build -t house-price-api .
docker run -p 8000:8000 house-price-api
Example request:
{
"OverallQual": 7,
"GrLivArea": 1800,
"GarageCars": 2,
"TotalBsmtSF": 900
}
Response body
{ "Predicted SalePrice": 213253.24 }
- Pandas, NumPy, Matplotlib, Seaborn
- Scikit-learn (Pipeline, ColumnTransformer, models, metrics)
- Feature Engineering
- Working with Git/GitHub
- Machine learning principles (regression, log transforms)
- Model evaluation
- Deployment and API
- Docker
Предсказание цены продажи дома на основе различных признаков с помощью нескольких регрессионных моделей.
Построить модели регрессии для прогнозирования SalePrice домов, используя данные с соревнования Kaggle: House Prices - Advanced Regression Techniques.
- Выявлены пропуски и особенности распределения
- Преобразована целевая переменная: логарифмическое преобразование
log1p(SalePrice) - Построены графики распределений, зависимостей и корреляций
- Создан признак
LogSalePrice - Заполнение пропусков: медиана (числовые), мода (категориальные)
- Масштабирование числовых признаков
- One-Hot Encoding категориальных
Модели использовались с пайплайнами:
- Linear Regression
- Ridge Regression
- Lasso Regression
- Random Forest Regressor
Метрики (MAE, MSE, R²) и графики сравнения ROC/Confusion Matrix для моделей представлены в папке plots.
Лучшую производительность показал Random Forest:
- MAE: 0.039
- MSE: 0.004
- R²: 0.978
├── data/ # Данные train.csv и test.csv
├── src/
│ ├── preprocess.py # Предобработка данных
│ ├── train_lasso.py # Обучение Lasso
│ ├── train_rf.py # RandomForest
│ ├── train_small_rf.py # Модель RandomForest (4 признака для API)
│ └── ...
├── models/ # Сохранённые модели и метрики
├── plots/ # Графики сравнения моделей
├── notebooks/EDA.ipynb, plots.ipynb
├── submissions/ # CSV-файлы для Kaggle
├── submissions/ # Kaggle-файлы
├── deployment/ # API-деплой
│ ├── app/
│ │ └── main.py # FastAPI-приложение
│ └── Dockerfile
├── README.md # Этот файл
Мини-модель rf_small.pkl, обучена на 4 признаках:
OverallQualGrLivAreaGarageCarsTotalBsmtSF
Запуск сервера:
docker build -t house-price-api .
docker run -p 8000:8000 house-price-api
Пример запроса:
{
"OverallQual": 7,
"GrLivArea": 1800,
"GarageCars": 2,
"TotalBsmtSF": 900
}
Response body
{ "Predicted SalePrice": 213253.24 }
- Pandas, NumPy, Matplotlib, Seaborn
- Scikit-learn (Pipeline, ColumnTransformer, модели, метрики)
- Feature Engineering
- Работа с Git/GitHub
- Принципы машинного обучения (регрессия, лог-преобразования)
- Оценка моделей
- Деплой и API
- Docker