Улучшение baseline-модели прогнозирования стоимости недвижимости

Описание проекта

Проект по улучшению базовой ML-модели для прогнозирования стоимости недвижимости: полный pipeline (feature engineering, отбор признаков, оптимизация гиперпараметров), интеграция с MLflow.

Цели:

• Улучшить метрики качества относительно baseline
• Воспроизводимый ML pipeline
• Трекинг экспериментов и версий моделей в MLflow

Стек: Python 3.10+, Scikit-learn, CatBoost, MLflow, MLXTEND, Optuna, AutoFeat, Pandas, Matplotlib, Seaborn.

Клонирование и запуск

git clone https://github.com/DataClasse/baseline-improvement.git
cd baseline-improvement
pip install -r requirements.txt

Настройка окружения

Создайте .env в корне проекта:

MLFLOW_TRACKING_HOST=127.0.0.1
MLFLOW_TRACKING_PORT=5000
MLFLOW_S3_ENDPOINT_URL=<ваш-s3-endpoint>
AWS_ACCESS_KEY_ID=<ваш-access-key>
AWS_SECRET_ACCESS_KEY=<ваш-secret-key>

Запуск MLflow и ноутбука:

chmod +x mlflow_server/rms.sh
./mlflow_server/rms.sh
jupyter notebook model_improvement/project_sprint_2.ipynb

Структура проекта

Пять этапов (каждый логируется в MLflow):

1. Разворачивание MLflow и регистрация базовой модели
2. EDA (исследовательский анализ данных)
3. Генерация признаков (RobustScaler, KBinsDiscretizer, PolynomialFeatures, AutoFeat)
4. Отбор признаков (Forward/Backward Selection) и обучение новой версии
5. Подбор гиперпараметров (HalvingRandomSearchCV, Optuna) и финальная модель

Эксперимент MLflow: baseline_model_improvement_REPP. Артефакты и S3 настраиваются через переменные окружения.

Результаты

Метрика	Baseline	Финальная модель
RMSE	4 157 670	4 678 509
R2	0.880	0.851

Выводы и возможные улучшения описаны в заключении ноутбука.

Автор

Дмитрий Щербаков

• Код: github.com/DataClasse/baseline-improvement
• Email: aiopendata@gmail.com
• GitHub: @DataClasse

---

Если проект был полезен, поставьте звезду.