ivandgregor/project-ml

Diamantes

Partiendo de un Dataset que contiene los precios y otros atributos de unos 54.000 diamantes trataremos mediante el análisis y aplicación de técnicas de Machine Learning predecir el precio de los diamantes.

Los datos:

• Price: Precio en Dolares (USA) ($326--$18,823)

• Carat: Peso en quilates del diamante (0.2--5.01)

• Cut: Calidad de corte del corte (regular, buena, muy buena, premium, ideal)

• Color: Color del diamante, de J (peor) a D (mejor)

• Clarity: Claridad del diamante (I1 (peor), SI2, SI1, VS2, VS1, VVS2, VVS1, IF (mejor))

• X: Longitud en mm (0-10,74)

• Y: Ancho en mm (0--58.9)

• Z: Profundidad en mm (0--31.8)

• Depth: Porcentaje profundidad total = z / media(x, y) = 2 * z / (x + y) (43--79)

• Table: Ancho de la parte superior del diamante en relación con el punto más ancho (43-95)

Evaluación

La evaluación se realiza mediante la métrica RMSE (Root Mean Squared Error):

https://en.wikipedia.org/wiki/Root-mean-square_deviation

Resultados

Resultados con los diferentes modelos utilizados:

Recursos

• Sklearn
• H2O ai
• Keras
• Kaggle