توضیحات در مورد پروژه
این پروژه با استفاده از داده‌های مسکن تهران (موجود در فایل housing-Raoofi.csv) به پیش‌بینی قیمت خانه‌ها می‌پردازد. این کار با تحلیل داده‌ها، پیش‌پردازش، مهندسی ویژگی، و استفاده از الگوریتم‌های یادگیری ماشین (مثل Random Forest یا SVR) انجام می‌شود.همچنین با استفاده از کتابخانه‌هایی مثل folium و geopy تجسم‌سازی جغرافیایی (نمایش خانه‌ها روی نقشه) و نمایش متن فارسی (با arabic_reshaper و bidi) بخشی از پروژه است.
ابزارها و کتابخانه‌های استفاده‌شده:
- pandas: داده‌ها را بارگذاری و پیش‌پردازش می‌کند (مثل پاک‌سازی آدرس‌ها با re).
- numpy: برای محاسبات عددی و مدیریت داده‌های پرت استفاده می‌شود.
- seaborn و matplotlib: برای تجسم‌سازی داده‌ها (مثل توزیع قیمت‌ها یا همبستگی ویژگی‌ها).
- sklearn: داده‌ها را تقسیم (train_test_split)، مقیاس‌بندی (StandardScaler)، مدل‌سازی (RandomForestRegressor)، و ارزیابی (r2_score, mean_squared_error) می‌کند
- arabic_reshaper و bidi: برای نمایش صحیح متن‌های فارسی در نمودارها و نقشه‌ها.
برای خرید و دریافت فایل پروژه به شماره 09108301182 در واتساپ پیام دهید