Celem projektu jest zastosowanie modeli regresji do szacowania (przewidywania) cen motocykli o podanych parametrach i cechach. W projekcie dokonano ewaluacji różnych modeli regresji i dobrano model optymalny.
Dane użyte do budowy modelu zostały pobrane ze stron znanego portalu aukcyjnego, do ściągnięcia danych ofert użyty został pakiet scrapy.
W projekcie jest już zapisany ściągnięty plik z danymi: scrapy_motory/motory-2019-04-19.json - ten plik został użyty do analizy i budowania modeli regresji.
Szczegóły analizy danych i doboru modelu znajdziesz w pliku: rzeczoznawca_motocyklowy.ipynb
Znajdziesz tam między innymi:
- implementację przeliczania cen na PLN wg kursów publikowanych przez NBP (pobieranych przez Rest API)
- ewaluację takich modeli regresji jak: LinearRegression, Lasso, BayesianRidge, Ridge, ElasticNet, DecisionTreeRegressor, RandomForestRegressor, KernelRidge, GradientBoostingRegressor, MLPRegressor
- próbę redukcji wymiaru przy użyciu TruncatedSVD
- próbę utworzenia komisji ekspertów - VotingRegressor
Zwycięskim modelem na końcu analizy okazał się RandomForestRegressor