کدگیت
1
0 محصول 0 تومان
ورود / ثبت نام
منو
کدگیت
0 محصول 0 تومان
  • صفحه اصلی
  • فروشگاه
    • سبد خرید
    • حساب کاربری
    • پرداخت
  • بلاگ
    • پایتون
    • جاوا
    • HTML
    • CSS
    • bootstrap
    • یادگیری ماشین
    • پردازش تصویر
  • طراحی سایت
  • پردازش تصویر
جستجو
خانه پروژه پایتون سورس پیش بینی قیمت خانه با Random Forest
سورس پیش بینی قیمت خانه با Decision Tree
سورس پیش بینی قیمت خانه با Decision Tree 140,000 تومان
بازگشت به محصولات
سورس طبقه بندی داده های Iris با الگوریتم SVM
سورس طبقه بندی داده های Iris با الگوریتم SVM 140,000 تومان
سورس پیش بینی قیمت خانه با Random Forest
بزرگنمایی تصویر

سورس پیش بینی قیمت خانه با Random Forest

140,000 تومان

  • فرمت فایل: فایل پایتون (.py)
  • زبان برنامه نویسی: پایتون
  • Frame گرافیکی: دارد
  • ماژول استفاده شده: sklearn، seaborn، numpy، pandas، matplotlib
مقایسه
افزودن به علاقه مندی
دسته ها: پایتون, پروژه پایتون, سورس پایتون, سورس کد, یادگیری عمیق, یادگیری ماشین برچسب ها: Boston House Prices, code, codegate, Housing Price Prediction, Machine Learning, matplotlib, numpy, pandas, python, Random Forest, sklearn, پایتون, سورس پایتون, سورس کد, کدگیت, یادگیری ماشین
اشتراک گذاری:
  • توضیحات
  • توضیحات تکمیلی
  • نظرات (0)
توضیحات

در این قسمت تیم کدگیت سورس پیش بینی قیمت خانه با Random Forest را تهیه کرده است. یادگیری ماشین وارد دنیای روزمره ما انسان‌ها شده است. دیگر از طریق یک تلفن همراه و نصب اپلیکیشن می‌توان یک بیماری را تشخیص داد. یادگیری ماشین، هوش مصنوعی و تمامی شاخه‌های آن در دنیای امروز کاربردهای بسیاری پیدا کرده است. با توجه به گسترش این شاخه از علم، ما نیز تصمیم گرفتیم سورسی از همین رشته تهیه و آماده سازی نماییم. سورس پیش بینی قیمت خانه که از الگوریتم Random Forest استفاده می‌کند. با ما همراه باشید تا این سورس جذاب را معرفی کنیم.

سورس پیش بینی قیمت خانه با Random Forest

تکنولوژی امروزه به سرعت در حال پیشرفت است. تشخیص عینک، تشخیص خودرو، تشخیص چشم و … تنها بخشی از پیشرفت تکنولوژی است که با کمک پردازش تصویر، بینایی ماشین و هوش مصنوعی قابل انجام است. در این قسمت سورس پیش بینی قیمت خانه با Random Forest در پایتون را تهیه کرده‌ایم. برای این کار ما از ماژول sklearn و seaborn و numpy و pandas و matplotlib کمک می‌گیریم. در صورتی که با این ماژول‌ها آشنایی ندارید پیشنهاد می‌کنیم دوره آموزش پیش نیاز علم داده را مطالعه نمایید چراکه در این دوره تمامی ماژول‌های فوق (به استثنا sklearn) آموزش داده می‌شوند. همچنین دیتاست استفاده گردیده در این پروژه Boston House Prices می‌باشد.

نحوه اجرا سورس پیش بینی قیمت خانه

زبان برنامه نویسی سورس پیش بینی قیمت خانه، پایتون بوده و فرمت فایل .py است. بعد از تهیه سورس از سایت کدگیت فایلی با فرمت zip در اختیار شما قرار می‌گیرد. فایل را از حالت zip خارج کرده تا بتوانید سورس کد را ببینید. فایل اصلی برنامه با نام Random Forest housing price.py می‌باشد. این فایل را اجرا کنید تا برنامه اجرا شود. پس از اجرا خروجی زیر را مشاهده خواهید کرد:

سورس پیش بینی قیمت خانه با Linear Regression

مقایسه متغیرهای دیتاست در یک نمودار

سورس پیش بینی قیمت خانه با Linear Regression

بررسی وابستگی ویژگی‌ها

سورس پیش بینی قیمت خانه با Linear Regression

مقایسه وابستگی هر ستون دیتاست با ستون Y

علاوه بر تصاویر بالا در کنسول، خروجی زیر را خواهید دید:

      CRIM    ZN  INDUS  CHAS    NOX     RM   AGE     DIS  RAD    TAX  PTRATIO       B  LSTAT  MEDV
0  0.00632  18.0   2.31     0  0.538  6.575  65.2  4.0900    1  296.0     15.3  396.90   4.98  24.0
1  0.02731   0.0   7.07     0  0.469  6.421  78.9  4.9671    2  242.0     17.8  396.90   9.14  21.6
2  0.02729   0.0   7.07     0  0.469  7.185  61.1  4.9671    2  242.0     17.8  392.83   4.03  34.7
3  0.03237   0.0   2.18     0  0.458  6.998  45.8  6.0622    3  222.0     18.7  394.63   2.94  33.4
4  0.06905   0.0   2.18     0  0.458  7.147  54.2  6.0622    3  222.0     18.7  396.90   5.33  36.2
The Boston housing Price Prediction Dataset has
                Number of Factors :      13
                Number of Samples :      506
             CRIM          ZN       INDUS        CHAS  ...     PTRATIO           B       LSTAT        MEDV
count  506.000000  506.000000  506.000000  506.000000  ...  506.000000  506.000000  506.000000  506.000000
mean     3.613524   11.363636   11.136779    0.069170  ...   18.455534  356.674032   12.653063   22.532806
std      8.601545   23.322453    6.860353    0.253994  ...    2.164946   91.294864    7.141062    9.197104
min      0.006320    0.000000    0.460000    0.000000  ...   12.600000    0.320000    1.730000    5.000000
25%      0.082045    0.000000    5.190000    0.000000  ...   17.400000  375.377500    6.950000   17.025000
50%      0.256510    0.000000    9.690000    0.000000  ...   19.050000  391.440000   11.360000   21.200000
75%      3.677083   12.500000   18.100000    0.000000  ...   20.200000  396.225000   16.955000   25.000000
max     88.976200  100.000000   27.740000    1.000000  ...   22.000000  396.900000   37.970000   50.000000

[8 rows x 14 columns]
is Null?
CRIM       0
ZN         0
INDUS      0
CHAS       0
NOX        0
RM         0
AGE        0
DIS        0
RAD        0
TAX        0
PTRATIO    0
B          0
LSTAT      0
MEDV       0
dtype: int64
Training Score :  0.9611896105603269
Testing Score  :  0.8863232785392144
R2 Score :  0.8863232785392144
MSE :  8.336344041981675

در خروجی بالا اطلاعات زیر قرار گرفته است:

  • ابعاد دیتاست
  • اطلاعات آماری دیتاست
  • بررسی وجود دیتا Null
  • دقت مدل پس از train
  • …

فایل‌ها و ماژول‌ها سورس کد

در سورس پیش بینی قیمت خانه از فایل‌ها و ماژول‌های زیر استفاده گردیده است:

  • Numpy: نصب numpy با دستور pip install numpy از طریق cmd انجام می‌شود.
  • pandas: با دستور pip install pandas از طریق cmd، نصب این ماژول انجام می‌شود.
  • matplotlib: دستور pip install matplotlib را در cmd بزنید.
  • seaborn: برای نصب seaborn نیز در cmd دستور pip install seaborn را بنویسید.
  • scikit-learn: نصب scikit-learn با دستور pip install scikit-learn از طریق cmd انجام می‌شود.

برای نصب پایتون به طوری که در CMD بتوانید کدهای پایتون را اجرا و ماژول‌ها را نصب نمایید ویدئو زیر را حتماً مشاهده کنید:

توضیحات تکمیلی
programming-languages

پایتون

فرمت-فایل

.py

frame-گرافیکی

دارد

تست-شده

توسط کارشناسان تیم کدگیت

نظرات (0)

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “سورس پیش بینی قیمت خانه با Random Forest” لغو پاسخ

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مرتبط

سورس درخت AVL در سی پلاس پلاس
مقایسه

سورس درخت AVL در سی پلاس پلاس

80,000 تومان
امتیاز 2.00 از 5
در این قسمت تیم کدگیت سورس درخت AVL در سی پلاس پلاس آماده کرده است. با استفاده از زبان سی
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
تشخیص سن در پایتون
مقایسه

تشخیص سن در پایتون

80,000 تومان
  • استفاده از شبکه عصبی Train شده
  • پیاده سازی ساده و راحت
  • اجرا بدون مشکل
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
سورس لیست پیوندی دوطرفه در سی پلاس پلاس
مقایسه

سورس لیست پیوندی دوطرفه در سی پلاس پلاس

80,000 تومان
در این قسمت تیم کدگیت سورس لیست پیوندی دوطرفه در سی پلاس پلاس آماده کرده است. با استفاده از زبان
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
سورس معماری Lenet در پایتون
مقایسه

سورس معماری Lenet در پایتون

85,000 تومان
در این قسمت تیم کدگیت را با سورس معماری Lenet در پایتون همراهی کنید. در این پروژه با رعایت اصول
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
پروژه تشخیص چشم در پایتون
مقایسه

پروژه تشخیص چشم در پایتون

90,000 تومان
در این قسمت تیم کدگیت پروژه تشخیص چشم در پایتون را آماده کرده است. در این پروژه با رعایت اصول
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
مقایسه

پروژه تشخیص لب در پایتون

90,000 تومان
در این قسمت تیم کدگیت را با پروژه تشخیص لب در پایتون همراهی کنید. در این پروژه با توجه به
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
سورس ساخت پسورد با پایتون
مقایسه

سورس ساخت پسورد با پایتون

85,000 تومان
در این قسمت تیم کدگیت را با سورس ساخت پسورد با پایتون همراهی کنید. در این پروژه با رعایت اصول
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
سورس الگوریتم KMP در سی پلاس پلاس
مقایسه

دانلود سورس الگوریتم KMP در سی پلاس پلاس

80,000 تومان
در این قسمت تیم کدگیت سورس الگوریتم KMP در سی پلاس پلاس آماده کرده است. با استفاده از زبان سی
افزودن به علاقه مندی
افزودن به سبد خرید
مشاهده سریع
  • جاوا
  • پایتون
  • سی شارپ
  • سی پلاس پلاس
  • HTML
  • سورس جاوا
  • سورس پایتون
  • سورس سی پلاس پلاس
  • دوره پیش‌نیاز علم داده
  • دوره ماژول turtle
  • دوره مقدماتی پایتون
Twitter Paper-plane Instagram

استفاده از مطالب سایت کدگیت فقط برای مقاصد غیرتجاری و با ذکر منبع بلامانع است.
© کلیه حقوق این سایت متعلق به کدگیت می‌باشد.

  • صفحه اصلی
  • فروشگاه
    • سبد خرید
    • حساب کاربری
    • پرداخت
  • بلاگ
    • پایتون
    • جاوا
    • HTML
    • CSS
    • bootstrap
    • یادگیری ماشین
    • پردازش تصویر
  • طراحی سایت
  • پردازش تصویر
  • علاقه مندی
  • مقایسه
  • ورود / ثبت نام
ورود
بستن

رمز عبور را فراموش کرده اید؟

هنوز حساب کاربری ندارید؟

ایجاد حساب کاربری
فروشگاه
علاقه مندی
0 محصول سبد خرید
حساب کاربری من