Houseprice_Predict

房價預測系統

ALOT Final Project

此專案是藉由 政府提供的 實價登錄 資料 來訓練一個Auto-Sklearn Model 藉此預測出 某縣市某一地區 大樓或套房的價格 將Train好的Model 用 FastApi & HTML 建立 Web Application

架構圖

更多FastAPi 介紹 可以參考:https://minglunwu.github.io/notes/2021/fast_api_note_1.html

Quick Start

1. fork the repositories

   git clone https://github.com/HankyStyle/Houseprice_Predict.git

2. Follow Colab in training to training Model

3. Start development

   • FastAPi 與 Flask 不同的是，如果直接執行此 main.py 不會啟動服務。需要透過 ASGI Server gvicorn 來啟用

Development

• Setup virtual environment

python -m venv your-awesome-venv-name
source your-awesome-venv-name/bin/activate
pip install -r requirements.txt

• Start Dev Server

uvicorn app:app --reload

File Description

.
├── requirements.txt 
├── app.py  // 專案中的主要組件，所有頁面都在app.py下執行
├── static\js
│   └── test.js
├── templates
│   ├── Home.html  // 網頁首頁
│   ├── Kaohsiung.html  // 高雄
│   ├── NewTaipei.html // 新北
│   ├── Taichung.html  // 台中
│   ├── Tainan.html  // 台南
│   ├── Taoyuan.html  // 桃園
│   └── Taipei.html // 台北
└── training  
    ├── Aiot_model.ipynb  // 訓練模型Colab
    ├── all_data.csv  // 訓練資料
    └── train.py // 練習範本Colab

Training

DataSet 下載連結: https://plvr.land.moi.gov.tw/DownloadOpenData

下圖為台北市資料範例

1. 從政府的實價登錄資料 整理 挑選有興趣的特徵

• 建材 e.g., 鋼筋、鋼骨
• 地區 e.g., 南區、西屯區
• 坪數
• 主要用途 e.g., 住宅、辦公室

2. 把類別型資料 轉換為數值參數

3. 將所有參數與成交價做成資料集，並使用Autosklearn尋找最好的模型和參數 或是挑選幾個較好的模型堆疊，獲得一個效果不錯的模型。

Result

Credit

• HankyStyle
• ioveeagle
• Rayching
• huang624
• ms0004284