Cas pratique - Housing Price

Contexte

Vous travaillez pour la société jachetetoutlimmobilier. Cette dernière veut repérer les maisons intéressantes à acheter selon un algorithme de machine learning.

Pour cela elle a fait travailler un datascientist qui a préparé le set qui contient 82 variables.

Objectifs

• Refactorisez la classe de préparation du set, en comprenant bien les étapes séquentielles de préparation de la data et en pouvant les expliquer.
• Sélectionnez les features ayant le plus d'importance pour votre précision et expliquez votre méthode de sélection.
• Prédisez les prix de l'ensemble de votre test set. Prévoyez au minimum le test de deux algorithmes ainsi que le fine tuning des paramètres de ces deux algorithmes.

Architecture

• Le premier notebook, data_processing.ipynb contient l'analyse de données, on y regarde la distribution des variables, leurs relations, le nombre de valeurs manquantes ou encore les outliers.
  De cette première étape, dépend le pipeline de données et la sélection des algorithmes.
• Le script main.py lance le traitement des données pour le training et test sets via le module GetDataFrame.
• Le module GetDataFrame.py, on remplace les valeurs manquantes, on ajoute de nouvelles features, modifie les outliers puis transforme les variables.
• Enfin le notebook training_models.ipynb, entraine les algorithmes LinearRegression, Lasso, Ridge, ElasticNet et XGBoost, les indicateurs de performances sont stockés dans le fichier regression_models.csv.