Instructions to use luizzhcs/house-price-predictor with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Scikit-learn
How to use luizzhcs/house-price-predictor with Scikit-learn:
from huggingface_hub import hf_hub_download import joblib model = joblib.load( hf_hub_download("luizzhcs/house-price-predictor", "sklearn_model.joblib") ) # only load pickle files from sources you trust # read more about it here https://skops.readthedocs.io/en/stable/persistence.html - Notebooks
- Google Colab
- Kaggle
House Price Predictor
Modelo Random Forest que prevê o valor mediano de imóveis em regiões da Califórnia.
Dados
California Housing (scikit-learn).
Variáveis de entrada: MedInc, HouseAge, AveRooms, AveBedrms, Population, AveOccup, Latitude, Longitude.
Resultado
| Modelo | MAE | R² |
|---|---|---|
| Regressão Linear | 0.5332 | 0.5758 |
| Random Forest | 0.3277 | 0.8046 |
O valor previsto está em unidades de US$ 100 mil. O erro médio do Random Forest é de cerca de US$ 32.773.
Como usar
import joblib
from huggingface_hub import hf_hub_download
caminho = hf_hub_download("SEU_USUARIO/house-price-predictor", "model.joblib")
modelo = joblib.load(caminho)
# modelo.predict([[MedInc, HouseAge, AveRooms, AveBedrms, Population, AveOccup, Latitude, Longitude]])
Limitações
Projeto educacional. As previsões são estimativas e não substituem uma avaliação imobiliária.
Código
- Downloads last month
- -
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support