Meu terceiro projeto de machine learning em que faço a competição "House-Prices---Advanced-Regression-Techniques" do Kaggle que fica hospedada no link abaixo:
https://www.kaggle.com/c/house-prices-advanced-regression-techniques
Nessa competição o objetivo é prever o valor de casas a partir de um conjunto de features que descrevem as características de cada habitação.
Durante o projeto tive a oportunidade de aplicar os conceitos de análise e limpeza dos dados, além do treinamento e teste de diversos modelos de regressão. Após escolher o melhor modelo, usando validação cruzada, encontrei os melhores parâmetros e com eles realizei a predição do preço das casas na base de teste
| Model | RSME | MAE | R2 |
|---|---|---|---|
| Linear | 34292.066172 | 21217.245255 | 0.808654 |
| Lasso | 34243.797211 | 21191.725763 | 0.809185 |
| Ridge | 34070.441706 | 21116.614448 | 0.811113 |
| Elasticnet | 39791.169440 | 24855.853127 | 0.743116 |
| Randomforest | 31483.863407 | 19029.278348 | 0.838903 |
| XGB | 31962.883473 | 19172.211020 | 0.833317 |
| AdaBoost | 37896.862435 | 25975.591471 | 0.765959 |
| KNeighbors | 39546.658734 | 24587.140876 | 0.744340 |
| RandomForest_Tunning | 30408.801632 | 17888.823232 | 0.850387 |
| XGB_Tunning | 30632.237645 | 18273.112651 | 0.848139 |