In diesem Notebook soll ein Datensatz von autoscout24 analysiert werden und anschließend mit verschiedenen Machine Learning Modellen eine Vorhersage für den Preis zu machen.
Die Datei autoscout24.csv enth¨alt Informationen aus AutoScout24 über inserierte Autos. Siehe auch hier . Diese Daten sollen analysiert und visualsiert werden.
Wieviele Autos wurden inseriert? Welche Marken sind erfasst? Beliebte Automarken und Modelle. Existieren Korrelationen zwischen den Features? �Gibt es Veränderungen über die Jahre? Preise der verschiedenen Automarken. Mit welchen Automodellen werden die meisten/wenigsten Kilometer gefahren bevor es verkauft wird?
Um den Verkaufspreis vorherzusagen werden folgende Modelle traniert und deren Güte bewertet:
- LinearRegression
- DecisionTree
- RandomForest
Um die Ergebnisse ansprechend darzustellen wurde Streamlit gewählt. Um die Streamlit App zu starten bitte zuerste das Notebook starten (Lokale Dateien werden erstellt). Anschließend:
streamlit run main.py