Прогнозирование цен на недвижимость / Real Estate Price Prediction

Описание / Description

RU:
Этот проект направлен на построение модели машинного обучения для предсказания стоимости объектов недвижимости в Бишкеке на основе различных характеристик квартир.

EN:
This project aims to build a machine learning model to predict real estate prices in Bishkek based on various apartment features.

---

Структура проекта / Project Structure

• flat.ipynb — Jupyter-ноутбук с анализом, визуализацией и обучением модели
• Notebook contains: data cleaning, feature visualization, model training (CatBoost), and evaluation.

---

Используемые библиотеки / Libraries Used

Библиотека / Library	Назначение / Purpose
pandas	таблицы / data manipulation
numpy	численные операции / math
matplotlib, seaborn	визуализация / visualization
catboost	ML-модель / ML model
sklearn	метрики / metrics

---

Этапы / Steps

1. Анализ данных / Data Analysis

• Пропуски / Missing values
• Распределения / Distributions
• Выбросы / Outliers

2. Предобработка / Preprocessing

• Кодирование категориальных признаков / Categorical encoding
• Масштабирование / Feature scaling

3. Модель / Model

• CatBoostRegressor
• Признаки / Features: square, rooms_num, condition, floor, etc.
• Целевая / Target: price_per_sq

4. Оценка / Evaluation

Метрика / Metric	Значение / Example
MAPE	19.8 %
MAE	24,600
R²	0.71

---

Запуск / How to Run

pip install pandas numpy matplotlib seaborn catboost scikit-learn