veronikavinnichenko/real-estate-agent

Price prediction and appartments recommendation

REAL ESTATE AGENT APP

Личный риелтор – сервис, формирующий цену, по которой пользователь может выгодно продать свою квартиру, не прибегая к услугам агента по продаже жилья. На вход принимает характеристики квартиры, а выдает предсказанную стоимость и карту с квартирами, имеющими похожие параметры. Таким образом, пользователь экономит на оценщике.

В разработке продукта принимали участие: Антон Алексеев, Вероника Винниченко, Валерия Винниченко, Дмитрий Жучков.

Ссылка на сервис:

https://data8group.shinyapps.io/best_app/

🔧 Технологии

• 
• 
• 

📂 Структура проекта

└── data_parser.ipynb
├── data
   └── data_final.xlsx
   ├── partions of data
      ├── part1
      ├── part2
      ├── part3
      ├── part4
      └── part5
├── model
      └── models.R
└── app
      ├── server.R
      └── ui.R

	Feature	Description
📄	data_parser	Файл для парсинга данных с сайта cian.ru
📔	data	Директория, содержащая как исходные (partitions of data), так и предобработанные данные (data_final) с харакетристками квартир
📔	model	Директория, содержащая модель машинного обучения
📔	app	Директория, содержащая файлы с кодом интервеса и серверной части приложения

💽 Входные данные для работы сервиса

• Количество комнат
• Общая площадь
• Жилая площадь
• Площадь кухни
• Тип ремонта квартиры
• Наличие балкона
• Вид санузла (совмещенный/раздельный)
• Количество санузлов
• Этаж
• Год постройки дома
• Тип дома
• Наличие лифта
• Район расположения
• Ближайшая станция метро
• Расстояние до метро пешком (мин)

Выходные данные:

• 💵 Предсказанный интервал цены
• 🗺️ Карта с рекомендацией квартир со схожими храктеристиками

⚙️ Машинное обучение

1. Применение обучения с “учителем” для обучения таких алгоритмов ML, как линейная регрессия, RIDGE-регрессия, LASSO-регрессия, случайный лес
2. Оформление: ансамбль
3. Структура ансамбля: итоговое предсказание является суммой взвешенных предсказания отдельно работающих моделей
4. Входные данные для обучения моделей: square, room, kitchen_square, living_square, year, toilet_quantity, type_toilet, if_lift, if_balcony

🔝 Рекомендательная система

1. Тип: content-based
2. Вход: 15 характерисик квартир
3. Вывод: 5 наиболее похожих квартир
4. Формат вывода: карта г. Санкт-Петербурга с похожими квартирами и их характеристикмми

output$mymap = renderLeaflet({
    vector1 = c(1, 0)
    vector2 = c("есть", "нет")
    
    recommend = recommend()
    M = leaflet(recommend) %>% setView(lng = 30.3141, lat = 59.9386, zoom = 10)
    M %>% addTiles() %>%
      addMarkers(~dolgota, ~shirota, popup = paste("<br>Адрес:", recommend$addr,
                                                   "<br>Район:", recommend$district,
                                                   "<br>Цена:", paste0(formatC(as.numeric(recommend$price), format="f", digits=0, big.mark="'"), " ₽"),
                                                   "<br>Кол-во комнат:", recommend$rooms,
                                                   "<br>Площадь (кв.м):", recommend$square,
                                                   "<br>Жилая площадь (кв.м):", recommend$living_square,
                                                   "<br>Площадь кухни (кв.м):", recommend$kitchen_square,
                                                   "<br>Этаж:", recommend$floor,
                                                   "<br>Год постройки:", recommend$year,
                                                   "<br>Тип дома:", recommend$housetype,
                                                   "<br>Балкон:", recommend$if_balcony,
                                                   "<br>Наличие лифта:", recommend$if_lift,
                                                   "<br>Кол-во санузлов:", recommend$toilet_quantity,
                                                   "<br>Тип туалета:", recommend$type_toilet,
                                                   "<br>Ремонт:", recommend$remont,
                                                   "<br>Станция метро:", recommend$subway_TRUE,
                                                   "<br>Пешком до метро (мин):", recommend$subway_dist_peshkom_TRUE),
                 label = paste0(formatC(as.numeric(recommend$price), format="f", digits=0, big.mark="'"), " ₽"))
  })

👩‍💻 Пример использования интерфейса

Карта с похожими квартирами

Предсказанная цена