پروژه: ساخت مدل‌های رگرسیون در پایتون برای پیش‌بینی قیمت خانه

• • • • درک مسئله کسب‌وکار
      • وارد کردن مجموعه‌داده و کتابخانه‌های مورد نیاز
      • انجام تحلیل اکتشافی داده (EDA) اولیه
      • پاک‌سازی داده و مدیریت مقادیر گمشده در صورت نیاز با استفاده از روش‌های مناسب
      • بررسی وجود نقاط پرت
      • استفاده از کتابخانه‌های پایتون مانند matplotlib و seaborn برای تفسیر داده و ایجاد تجسمات پیشرفته
      • تقسیم مجموعه‌داده به داده‌های آموزشی و آزمایشی
      • انجام مهندسی ویژگی‌ها روی داده برای بهبود عملکرد
      • آموزش مدل با استفاده از تکنیک‌های رگرسیون مانند رگرسیون خطی، رگرسیون جنگل تصادفی، رگرسیون XGBoost و غیره
      • آموزش چندین مدل با استفاده از الگوریتم‌های مختلف یادگیری ماشین مناسب برای سناریو و بررسی بهترین عملکرد
      • انجام جستجوی شبکه‌ای و اعتبارسنجی متقاطع برای رگرسیون‌دهنده‌های داده شده
      • پیش‌بینی با استفاده از مدل آموزش‌دیده
      • افزایش اطمینان در مدل با استفاده از معیارهایی مانند MSE و R2
      • ترسیم نمودارهای باقی‌مانده برای داده‌های آموزشی و آزمایشی
      • یافتن ویژگی‌هایی که بیشترین کمک را به پیش‌بینی می‌کنند با استفاده از اهمیت ویژگی‌ها
      • مقایسه مدل‌ها
      • یادگیری نحوه ساخت مدل چندلایه پرسپترون (MLP) با استفاده از کتابخانه Scikit-learn
      • یادگیری نحوه ساخت مدل چندلایه پرسپترون (MLP) با استفاده از TensorFlow

ما یک مجموعه‌داده املاک و مستغلات داریم که شامل حدود ۲۰۰ ردیف و ۱۷ متغیر مختلف است. این متغیرها نقش مهمی در پیش‌بینی متغیر هدف ما، یعنی قیمت، ایفا می‌کنند.

• • • پاک‌سازی داده‌ها
      • وارد کردن کتابخانه‌های لازم و خواندن مجموعه‌داده.
      • بررسی اولیه.
      • بررسی و حذف نقاط پرت.
      • حذف ستون‌های ویژگی زائد.
      • مدیریت مقادیر گمشده.
      • تنظیم ستون‌های دسته‌بندی‌شده.
      • ذخیره داده‌های پاک‌شده.
    • پیش‌پردازش داده‌ها
      • وارد کردن کتابخانه‌های لازم و خواندن مجموعه‌داده پاک‌شده.
      • تبدیل ستون‌های باینری به متغیرهای مجازی (dummy variables).
      • مهندسی ویژگی‌ها
      • تحلیل یک‌متغیره و دو‌متغیره.
      • بررسی همبستگی.
      • انتخاب ویژگی‌ها.
      • مقیاس‌بندی داده‌ها.
      • ذخیره مجموعه‌داده به‌روزرسانی‌شده نهایی.

• • • ساخت مدل
      • آماده‌سازی داده‌ها
      • انجام تقسیم‌بندی داده‌ها به مجموعه‌های آموزشی و آزمایشی.
      • رگرسیون خطی.
      • رگرسیون Ridge.
      • رگرسیون Lasso.
      • شبکه الاستیک (Elastic Net).
      • رگرسیون جنگل تصادفی.
      • رگرسیون XGBoost.
      • رگرسیون نزدیک‌ترین همسایه‌ها (K-Nearest Neighbours).
      • رگرسیون بردار پشتیبان (Support Vector).

• • • ارزیابی مدل
      • میانگین خطای مربعات (Mean Squared Error).
      • نمره R2.
      • نمودار باقیمانده‌ها (residuals).
    • انجام جستجوی شبکه‌ای (Grid Search) و اعتبارسنجی متقابل برای رگرسیون‌دهنده موردنظر.
    • برازش مدل و پیش‌بینی روی داده‌های آزمایشی.
    • بررسی اهمیت ویژگی‌ها.
    • مقایسه مدل‌ها.
    • مدل‌های پرسپترون چندلایه (MLP)
      • رگرسیون MLP با استفاده از Scikit-learn.
      • رگرسیون با استفاده از TensorFlow.