Contexte
IA-AirBnB est un projet data centré sur la transformation de jeux de données Airbnb de Lyon et Paris en workflow prêt pour la modélisation.
Projet data
Python
Pandas
Scikit-learn
Linear Regression
Projet
IA-AirBnB
Pipeline data science pour prédire des prix Airbnb à partir de données de Lyon et Paris, avec prétraitement, analyse et modèles de régression linéaire.
Stack
Python
Pandas
Scikit-learn
Linear Regression
Problème
Le projet explore comment des données structurées de logements peuvent être nettoyées, analysées et utilisées pour prédire des prix avec une base simple et explicable.
Solution
Le workflow couvre le prétraitement, l'analyse exploratoire, la gestion des valeurs aberrantes, la séparation train/test et la modélisation par régression linéaire.
Architecture
L'architecture est un pipeline data de type notebook/script : chargement des fichiers, nettoyage, features, entraînement d'un modèle de base et préparation des sorties d'évaluation.
Fonctionnalités
Le périmètre vérifié est le workflow data décrit dans le dépôt.
Résultat
// TODO: ajouter les métriques du modèle uniquement après vérification dans les sorties du dépôt.
Captures
// TODO: ajouter des captures ou aperçus notebook/export.