Prédiction du Prix de Vente d'une Voiture avec Régression Linéaire
Ce projet implémente un modèle de régression linéaire multiple pour prédire le prix de vente d'une voiture en fonction de ses caractéristiques. L'application est construite avec Gradio pour l'interface utilisateur et est déployée localement ainsi que sur Hugging Face Spaces.
Fonctionnalités du projet
- Entraînement du modèle : Utilisation d'un modèle de régression linéaire multiple.
- Prédiction interactive : Interface utilisateur simple et intuitive avec Gradio.
- Déploiement : Hébergement de l'application sur Hugging Face Spaces.
- Données manipulées : Variables quantitatives et qualitatives liées aux voitures.
Variables utilisées pour la prédiction
- Kilométrage parcouru (Kms_Driven) : Distance totale parcourue par la voiture.
- Prix actuel (Present_Price) : Prix actuel de la voiture sur le marché.
- Type de carburant (Fuel_Type) :
- 0 : Essence
- 1 : Diesel
- 2 : CNG
- Type de vendeur (Seller_Type) :
- 0 : Particulier
- 1 : Concessionnaire
- Transmission :
- 0 : Manuelle
- 1 : Automatique
- Âge du véhicule (Age) : Nombre d'années depuis la fabrication du véhicule.
Prérequis
Avant de commencer, vous devez avoir les éléments suivants installés :
- Python 3.7 ou supérieur.
- Les bibliothèques Python suivantes :
- Gradio
- Joblib
- Numpy
- Scikit-learn
Installez toutes les dépendances avec la commande suivante :
pip install -r requirements.txt