Przewidywacz cen

Utworzone: 15.05.2025

📌 Opis projektu:

Stworzyłem aplikację predykcyjną, której celem jest oszacowanie cen mieszkań na rynku wtórnym i pierwotnym w miastach: Gdańsk, Gdynia, Sopot, Reda, Rumia i Wejherowo.

Użytkownik podaje:

• miasto,
• powierzchnię mieszkania (m²),
• planowany rok i kwartał transakcji.

Aplikacja przewiduje cenę transakcyjną mieszkania na podstawie danych historycznych i trendów rynkowych.

Zastosowane techniki:

• Uczenie maszynowe:
• regresja liniowa, drzewiaste modele regresyjne (XGBoost, LightGBM)

• grid search i walidacja krzyżowa

• Szeregi czasowe:

• analiza trendów kwartalnych

• dekompozycja sezonowości

• Feature engineering:

• tworzenie zmiennych: kwartał, miasto, inflacja, rodzaj zabudowy, lokalizacja

• Preprocessing danych:

• czyszczenie danych z REAS, NBP i otodom.pl (lub podobnych źródeł)
• one-hot encoding dla miast i kwartalnych zmiennych czasowych

Technologie:

• Python (pandas, scikit-learn)
• Streamlit – frontend aplikacji (interfejs użytkownika)
• Jupyter Notebook – eksploracja danych i trenowanie modeli
• Excel – weryfikacja danych i analiza wstępna

Odwiedź repozytorium GitHub

Tutaj screen z projektu: