Прогнозирование стоимости жилья в Калифорнии

Модель линейной регрессии для предсказания медианной стоимости домов в жилых массивах Калифорнии на основе данных 1990 года.

🎯 Цель проекта

• Разработать модель для точного предсказания стоимости жилья
• Оценить качество модели с помощью метрик RMSE, MAE и R²
• Интерпретировать влияние признаков на стоимость недвижимости

💡 Использованные технологии

• Python 3.x
• pandas, numpy
• pyspark
• OneHotEncoder, StringIndexer, StandardScaler, VectorAssembler
• Jupyter Notebook

🧪 Как запустить проект

git clone https://github.com/kagor4/California-Housing-Price-Predictor.git
cd California-Housing-Price-Predictor
pip install -r requirements.txt

Затем откройте и запустите файл California Housing Price Predictor.py или ноутбук с аналогичным кодом в Jupyter. Убедитесь, что датасет housing.csv доступен в папке /datasets/.

📊 Описание данных

Датасет содержит информацию о жилье в Калифорнии (1990 год):

• Признаки:
  • Географические: longitude, latitude, ocean_proximity
  • Демографические: housing_median_age, population, households
  • Характеристики жилья: total_rooms, total_bedrooms
  • Экономические: median_income
• Целевая переменная: median_house_value (медианная стоимость дома)

Предобработка включала:

• Заполнение пропусков в total_bedrooms медианным значением
• Кодирование категориального признака ocean_proximity (StringIndexer + OneHotEncoder)
• Масштабирование числовых признаков (StandardScaler)

🔍 Краткие результаты

• Лучшая модель: Линейная регрессия с использованием всех признаков (all_features)
• Метрики (тестовая выборка):
  • RMSE: 68932.66
  • MAE: 49676.45
  • R²: 0.631
• Сравнение:
  • Модель с числовыми признаками (numerical_features_scaled):
    • RMSE: 69653.32
    • MAE: 50550.71
    • R²: 0.623
• Основные выводы:
  • Полный набор признаков (all_features) даёт лучшую точность
  • Категориальный признак ocean_proximity улучшает предсказания
  • Модель объясняет ~63% вариации цен
• Рекомендации:
  • Добавить нелинейные модели (Random Forest, Gradient Boosting)
  • Исследовать новые признаки (например, инфраструктура района)
  • Увеличить объём данных для повышения качества

📁 Структура проекта

📦 California-Housing-Price-Predictor/
├── California Housing Price Predictor.py  # анализ и обучение модели
├── requirements.txt                      # зависимости
└── README.md                             # описание проекта

✅ TODO

• Исследовать нелинейные модели (Random Forest, XGBoost)
• Добавить признаки (инфраструктура, транспортная доступность)
• Провести визуализацию предсказаний
• Разработать Streamlit-приложение для демонстрации

© Автор

Автор: kagor4