機械学習 不動産データの線形回帰分析 メモ

データを使って予測をしたい

やること

• データセットを作る
• データを特徴量、ターゲットに分割
  • 特徴量
    • 予測に必要なデータ
  • ターゲット
    • 予測したいデータ
• モデルの作成
• モデルの学習
• 特定の物件のデータを投入して価格の予測

コード

必要最小限のものに絞る

import pandas as pd
from sklearn.linear_model import LinearRegression
import joblib

# オリジナルの物件データセットを作成
data = {
    '専有面積': [70, 80, 100, 120, 150],
    '築年数': [5, 10, 8, 15, 20],
    '価格': [3000, 4000, 5000, 5500, 6000]
}

df = pd.DataFrame(data)

# 特徴量とターゲット変数の分割
X = df[['専有面積', '築年数']]
y = df['価格']

# モデルの作成と学習
model = LinearRegression()
model.fit(X, y)

# 特定の物件情報を入力して価格を予測
new_property = pd.DataFrame({'専有面積': [90], '築年数': [12]})
predicted_price = model.predict(new_property)

print(f'予測価格: {predicted_price[0]}')

# 学習したモデルを出力
joblib.dump(model, 'linear_regression_model.joblib')

学習したモデルを読みこんで予測をする

import joblib

# 保存したモデルを読み取り
loaded_model = joblib.load('linear_regression_model.joblib')

# 特定の物件情報を入力して価格を予測
new_property = pd.DataFrame({'専有面積': [90], '築年数': [12]})
predicted_price = loaded_model.predict(new_property)

print(f'予測価格: {predicted_price[0]}')

まとめ

機械学習って何？ってよくわからなかったが、手を動かしてやってみることで「ああ、そういう感じ？」みたいな感覚がつかめた。