🏠 Houses_Sales_Data_Analysis_using_Python

🎯 Objectif du projet :

Analyser les ventes de maisons à Seattle et réaliser une regression linéaire (target = prix de vente) afin de prédire le prix de vente des lignes où il n'y a pas de données

"Perform a variety of linear regressions with different inputs. It's up to you to find the most relevant X variables. The target (y) will be the price column. Remember to train-test split your dataset to get a relevant score, and print your test-set R2-score. Compare it with Train score to avoid overfitting. The last 4 rows don't have price. You'll have to predict prices and print your prediction."

⚙️ Outils principaux :

Python (plotly, Seaborn) avec JupyterLab, Datapane

🔍 Source des données :

Datasets

✅ Etapes :

1. Nettoyage et analyse de la base de données
2. Regression linéaire et prédiction

👨‍💻 LIEN NOTEBOOK 📊

3. Publication de l'interface de présentation sur Datapane :

🌸🌸 LIEN DE L'INTERFACE 🌸🌸