MACHINE LEARNING · PROJET 09
Projet 04 · Machine Learning
Modèle de Machine Learning · Airbnb à Londres
Modèle de classification par régression logistique pour identifier les annonces relativement chères ou économiques au sein de chaque type d’hébergement.
CONTEXTE ET OBJECTIF
Classer les annonces selon leur tendance relative vers des prix plus élevés ou plus bas au sein de chaque type d’hébergement, sans traiter le prix comme une prédiction directe.
DONNÉES ET DIAGNOSTIC
- La base Airbnb Londres préparée et nettoyée sert de point de départ.
- La variable cible est définie à partir des extrêmes de prix relatifs par type d’hébergement afin de comparer les annonces au sein de segments équivalents.
- Une régression logistique est entraînée avec des variables de disponibilité, d’avis, de séjour minimum, de taille de l’hôte et de quartier, accompagnée de métriques d’évaluation et de calibration.
LIVRABLE ET ENSEIGNEMENTS
Le résultat transforme le modèle en un score de tendance relative qui classe les annonces et distingue des zones de prix bas, standard et élevé sans le présenter comme une prédiction directe du prix.