lehross / price_properties

Trabalho prático de Data Science. Utilizando modelos de regressão para prever preços por metro quadrado de propriedades de uma imobiliária.

Price_properties

trabalho pratico de DS

Contexto

A imobiliária Properati publica periodicamente informações sobre ofertas de imóveis para venda e aluguel. Deve aconselhar o agente imobiliário a desenvolver um modelo de regressão que permita prever o preço por metro quadrado de um imóvel. O objetivo final é que o modelo desenvolvido por eles seja utilizado como avaliador automático a ser aplicado nos próximos imóveis que forem comercializados pela empresa. Para isso, a empresa disponibiliza um conjunto de dados correspondente ao primeiro semestre de 2017.

Objetivo

Executar uma limpeza do conjunto de dados fornecido e realizar uma análise descritiva das principais variáveis.

Estrutura dos dados

• property_type : Type of property (House, Apartment, PH).
• place_name : Name of the development.
• country_name : Country in which the ad is published.
• state_name : Fields referring to the location of the property.
• lat : Latitude
• lon : Longitude
• price : Price published in the ad.
• currency : Currency of the published price.
• surface_total_in_m2 : Total area in m²

Como executar o projeto

1. Crie o ambiente com o comando: python -m venv venv
2. Ative o ambiente com o comando:

• Windows: .\venv\Scripts\activate.bat
• Linux: source /bin/activate

3. Instale as dependências: pip install -r requirements.txt