Open neven95 opened 7 years ago
Niste naveli na koji način bi kombinovali podatke o transakcijama i podatke koji su vezani za makroekonomiju. Ovaj deo bi mogao biti poprilično kompleksan i to je ono što u suštini projektu daje težinu, pored činjenice da je skup podataka zašumljen. Pošto radite u paru, bilo bi dobro da probate da uključite i ovaj deo skupa podataka, pošto se inače predikcija svodi na ono što smo radili na vežbama i većina posla bi se odnosila samo na pretprocesiranje podataka.
Pošto ste izabrali Kaggle challenge, bilo bi interesantno da postavite svoje rešenje pre isteka roka, da vidimo gde bi se rangirali među postojećim takmičarima.
Uz izazov je postavljeno dosta rešenja drugih korisnika, pa pretpostavljam da ćete pomisliti da uzmete nešto od toga. Kada nešto uzmete morate navesti od koga ste uzeli i kakav je vaš doprinos tom rešenju i šta ste sve dodatno odradili. U suprotnom će rešenje bili detektovano kao plagijat, ili će doprinos projektu biti mali pa je samim tim i broj poena na projektu manji.
Suštinski, tema je odobrena, ali obratite pažnju na prvu tačku. Bilo bi dobro da u komentaru opišete kako ste planirali ovo kombinovanje da odmah u startu vidimo da li znate sa čim se suočavate. Srećan rad.
Planiramo da join-ujemo podatke na datum i da podatke koristimo kao features.
Ko su članovi tima?
Problem koji se rešava:
Problem koji se rešava je predikcija cena nekretnina na ruskom tržistu. Jedni od najvećih troškova kod većine običnih kupaca, ali i investitora, predstavlja kupovina/investiranje u nekretnine, a imajući u vidu nestabilnu rusku ekonomiju, nepredvidive fluktacije cena mogu napraviti veliki problem, kako običnim kupcima, tako i investitorima. Ova predikcija bi pomogla ljudima koji ulažu, kupuju ili iznajmljuju nekretninu, da imaju više sigurnosti u svoj uloženi novac. Kompleksne veze između karakteristika nekretnine, kao što je broj soba i lokacija, su dovoljne da učine predikciju komplikovanom. Još kada se svemu tome doda nestabilna ekonomija, potrebno je više od obične regresije da se reši problem i pomogne investitorima i običnim kupcima.
Algoritam/Algoritmi koji će se koristiti:
Kada se podaci dovoljno dobro pripreme, primera i drugih algoritama neće predstavljati problem.
Metrika za poređenje performansi algoritama i/ili parametara algoritma:
Pomoću loss function za algoritme koji se koriste.
Podaci koji se koriste?
Pošto je ovaj problem postavljen od strane Sberbank-a, na sajtu Kaggle, u vidu takmičenja, obezbeđeni su veliki setovi podataka. Podaci zahtevaju temeljno i nimalo naivno "uređivanje" .
train.csv, test.csv: informacije o individualnim transakcijama. Redovi su indeksirani po "id" polju, koji se odnosi na individualnu transakciju.
macro.csv: podaci o ruskoj makroekonomiji i finansijskom sektoru
sample_submission.csv: primer ispravnog formata fajla koji se podnosi
data_dictionary.txt: objašnjenje polja koja su data u ostalim fajlovima
Validacija:
Pomoću cross validation metoda.