{"id":75933,"date":"2024-09-06T21:01:42","date_gmt":"2024-09-06T17:31:42","guid":{"rendered":"https:\/\/nabfollower.com\/blog\/predicting-house-prices-with-scikit-learn-a-complete-guide-2kd7\/"},"modified":"2024-09-06T21:01:42","modified_gmt":"2024-09-06T17:31:42","slug":"predicting-house-prices-with-scikit-learn-a-complete-guide-2kd7","status":"publish","type":"post","link":"https:\/\/nabfollower.com\/blog\/predicting-house-prices-with-scikit-learn-a-complete-guide-2kd7\/","title":{"rendered":"\u067e\u06cc\u0634 \u0628\u06cc\u0646\u06cc \u0642\u06cc\u0645\u062a \u062e\u0627\u0646\u0647 \u0628\u0627 Scikit-learn: \u0631\u0627\u0647\u0646\u0645\u0627\u06cc \u06a9\u0627\u0645\u0644"},"content":{"rendered":"

Summarize this content to 400 words in Persian Lang \u06cc\u0627\u062f\u06af\u06cc\u0631\u06cc \u0645\u0627\u0634\u06cc\u0646\u06cc \u0635\u0646\u0627\u06cc\u0639 \u0645\u062e\u062a\u0644\u0641 \u0627\u0632 \u062c\u0645\u0644\u0647 \u0627\u0645\u0644\u0627\u06a9 \u0648 \u0645\u0633\u062a\u063a\u0644\u0627\u062a \u0631\u0627 \u0645\u062a\u062d\u0648\u0644 \u0645\u06cc \u06a9\u0646\u062f. \u06cc\u06a9\u06cc \u0627\u0632 \u06a9\u0627\u0631\u0647\u0627\u06cc \u0631\u0627\u06cc\u062c \u067e\u06cc\u0634 \u0628\u06cc\u0646\u06cc \u0642\u06cc\u0645\u062a \u062e\u0627\u0646\u0647 \u0628\u0631 \u0627\u0633\u0627\u0633 \u0648\u06cc\u0698\u06af\u06cc \u0647\u0627\u06cc \u0645\u062e\u062a\u0644\u0641 \u0645\u0627\u0646\u0646\u062f \u062a\u0639\u062f\u0627\u062f \u0627\u062a\u0627\u0642 \u062e\u0648\u0627\u0628\u060c \u062d\u0645\u0627\u0645\u060c \u0645\u062a\u0631\u0627\u0698 \u0645\u0631\u0628\u0639 \u0648 \u0645\u0648\u0642\u0639\u06cc\u062a \u0645\u06a9\u0627\u0646\u06cc \u0627\u0633\u062a. \u062f\u0631 \u0627\u06cc\u0646 \u0645\u0642\u0627\u0644\u0647 \u0646\u062d\u0648\u0647 \u0633\u0627\u062e\u062a \u06cc\u06a9 \u0645\u062f\u0644 \u06cc\u0627\u062f\u06af\u06cc\u0631\u06cc \u0645\u0627\u0634\u06cc\u0646\u06cc \u0628\u0627 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0627\u0632 \u0622\u0646 \u0631\u0627 \u0628\u0631\u0631\u0633\u06cc \u062e\u0648\u0627\u0647\u06cc\u0645 \u06a9\u0631\u062f scikit-\u06cc\u0627\u062f\u06af\u06cc\u0631\u06cc \u0628\u0631\u0627\u06cc \u067e\u06cc\u0634\u200c\u0628\u06cc\u0646\u06cc \u0642\u06cc\u0645\u062a \u0645\u0633\u06a9\u0646\u060c \u06a9\u0647 \u0647\u0645\u0647 \u062c\u0646\u0628\u0647\u200c\u0647\u0627 \u0627\u0632 \u067e\u06cc\u0634\u200c\u067e\u0631\u062f\u0627\u0632\u0634 \u062f\u0627\u062f\u0647\u200c\u0647\u0627 \u062a\u0627 \u0627\u0633\u062a\u0642\u0631\u0627\u0631 \u0645\u062f\u0644 \u0631\u0627 \u067e\u0648\u0634\u0634 \u0645\u06cc\u200c\u062f\u0647\u062f.<\/p>\n

\u0641\u0647\u0631\u0633\u062a \u0645\u0637\u0627\u0644\u0628<\/p>\n

\u0645\u0642\u062f\u0645\u0647 \u0627\u06cc \u0628\u0631 Scikit-learn
\n\u062a\u0639\u0631\u06cc\u0641 \u0645\u0634\u06a9\u0644
\n\u062c\u0645\u0639 \u0622\u0648\u0631\u06cc \u062f\u0627\u062f\u0647 \u0647\u0627
\n\u067e\u06cc\u0634 \u067e\u0631\u062f\u0627\u0632\u0634 \u062f\u0627\u062f\u0647 \u0647\u0627
\n\u0627\u0646\u062a\u062e\u0627\u0628 \u0648\u06cc\u0698\u06af\u06cc
\n\u0622\u0645\u0648\u0632\u0634 \u0645\u062f\u0644
\n\u0627\u0631\u0632\u06cc\u0627\u0628\u06cc \u0645\u062f\u0644
\n\u062a\u0646\u0638\u06cc\u0645 \u0645\u062f\u0644 (\u0628\u0647\u06cc\u0646\u0647 \u0633\u0627\u0632\u06cc \u0641\u0631\u0627\u067e\u0627\u0631\u0627\u0645\u062a\u0631)
\n\u0627\u0633\u062a\u0642\u0631\u0627\u0631 \u0645\u062f\u0644
\n\u0646\u062a\u06cc\u062c\u0647 \u06af\u06cc\u0631\u06cc<\/p>\n

1. \u0645\u0642\u062f\u0645\u0647 \u0627\u06cc \u0628\u0631 Scikit-learn<\/p>\n

Scikit- Learn \u06cc\u06a9\u06cc \u0627\u0632 \u067e\u0631\u06a9\u0627\u0631\u0628\u0631\u062f\u062a\u0631\u06cc\u0646 \u06a9\u062a\u0627\u0628\u062e\u0627\u0646\u0647 \u0647\u0627 \u0628\u0631\u0627\u06cc \u06cc\u0627\u062f\u06af\u06cc\u0631\u06cc \u0645\u0627\u0634\u06cc\u0646 \u062f\u0631 \u067e\u0627\u06cc\u062a\u0648\u0646 \u0627\u0633\u062a. \u0627\u0628\u0632\u0627\u0631\u0647\u0627\u06cc \u0633\u0627\u062f\u0647 \u0648 \u06a9\u0627\u0631\u0622\u0645\u062f\u06cc \u0628\u0631\u0627\u06cc \u062a\u062d\u0644\u06cc\u0644 \u0648 \u0645\u062f\u0644 \u0633\u0627\u0632\u06cc \u062f\u0627\u062f\u0647 \u0647\u0627 \u0627\u0631\u0627\u0626\u0647 \u0645\u06cc \u062f\u0647\u062f. \u0641\u0631\u0642\u06cc \u0646\u0645\u06cc\u200c\u06a9\u0646\u062f \u0628\u0627 \u0637\u0628\u0642\u0647\u200c\u0628\u0646\u062f\u06cc\u060c \u0631\u06af\u0631\u0633\u06cc\u0648\u0646\u060c \u062e\u0648\u0634\u0647\u200c\u0628\u0646\u062f\u06cc \u06cc\u0627 \u06a9\u0627\u0647\u0634 \u0627\u0628\u0639\u0627\u062f \u0633\u0631\u0648\u06a9\u0627\u0631 \u062f\u0627\u0634\u062a\u0647 \u0628\u0627\u0634\u06cc\u062f\u060c scikit-learn \u0645\u062c\u0645\u0648\u0639\u0647 \u06af\u0633\u062a\u0631\u062f\u0647\u200c\u0627\u06cc \u0627\u0632 \u0627\u0628\u0632\u0627\u0631\u0647\u0627 \u0631\u0627 \u0628\u0631\u0627\u06cc \u06a9\u0645\u06a9 \u0628\u0647 \u0634\u0645\u0627 \u062f\u0631 \u0633\u0627\u062e\u062a \u0645\u062f\u0644\u200c\u0647\u0627\u06cc \u06cc\u0627\u062f\u06af\u06cc\u0631\u06cc \u0645\u0627\u0634\u06cc\u0646\u06cc \u0642\u0648\u06cc \u0627\u0631\u0627\u0626\u0647 \u0645\u06cc\u200c\u06a9\u0646\u062f.<\/p>\n

\u062f\u0631 \u0627\u06cc\u0646 \u0631\u0627\u0647\u0646\u0645\u0627\u060c \u0645\u0627 \u06cc\u06a9 \u0631\u0627 \u0645\u06cc \u0633\u0627\u0632\u06cc\u0645 \u0631\u06af\u0631\u0633\u06cc\u0648\u0646 \u0645\u062f\u0644 \u0628\u0627 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0627\u0632 scikit-learn \u0628\u0631\u0627\u06cc \u067e\u06cc\u0634 \u0628\u06cc\u0646\u06cc \u0642\u06cc\u0645\u062a \u0645\u0633\u06a9\u0646 \u0628\u06cc\u0627\u06cc\u06cc\u062f \u062f\u0631 \u0647\u0631 \u0645\u0631\u062d\u0644\u0647 \u0627\u0632 \u0641\u0631\u0622\u06cc\u0646\u062f \u0642\u062f\u0645 \u0628\u0631\u062f\u0627\u0631\u06cc\u0645.<\/p>\n

2. \u062a\u0639\u0631\u06cc\u0641 \u0645\u0633\u0626\u0644\u0647<\/p>\n

\u0648\u0638\u06cc\u0641\u0647 \u067e\u06cc\u0634 \u0628\u06cc\u0646\u06cc \u0642\u06cc\u0645\u062a \u06cc\u06a9 \u062e\u0627\u0646\u0647 \u0628\u0631 \u0627\u0633\u0627\u0633 \u0648\u06cc\u0698\u06af\u06cc \u0647\u0627\u06cc \u0622\u0646 \u0627\u0633\u062a \u0645\u0627\u0646\u0646\u062f:<\/p>\n

\u062a\u0639\u062f\u0627\u062f \u0627\u062a\u0627\u0642 \u062e\u0648\u0627\u0628
\n\u062a\u0639\u062f\u0627\u062f \u062d\u0645\u0627\u0645
\n\u0645\u0633\u0627\u062d\u062a (\u0628\u0631 \u062d\u0633\u0628 \u0641\u0648\u062a \u0645\u0631\u0628\u0639)
\n\u0645\u06a9\u0627\u0646<\/p>\n

\u0627\u06cc\u0646 \u06cc\u06a9 \u0627\u0633\u062a \u06cc\u0627\u062f\u06af\u06cc\u0631\u06cc \u062a\u062d\u062a \u0646\u0638\u0627\u0631\u062a \u0645\u0634\u06a9\u0644\u06cc \u06a9\u0647 \u062f\u0631 \u0622\u0646 \u0645\u062a\u063a\u06cc\u0631 \u0647\u062f\u0641 (\u0642\u06cc\u0645\u062a \u062e\u0627\u0646\u0647) \u067e\u06cc\u0648\u0633\u062a\u0647 \u0627\u0633\u062a \u0648 \u0622\u0646 \u0631\u0627 a \u0631\u06af\u0631\u0633\u06cc\u0648\u0646 \u0648\u0638\u06cc\u0641\u0647 Scikit-learn \u0627\u0644\u06af\u0648\u0631\u06cc\u062a\u0645 \u0647\u0627\u06cc \u0645\u062e\u062a\u0644\u0641\u06cc \u0631\u0627 \u0628\u0631\u0627\u06cc \u0631\u06af\u0631\u0633\u06cc\u0648\u0646 \u0627\u0631\u0627\u0626\u0647 \u0645\u06cc \u062f\u0647\u062f\u060c \u0645\u0627\u0646\u0646\u062f \u0631\u06af\u0631\u0633\u06cc\u0648\u0646 \u062e\u0637\u06cc \u0648 \u062c\u0646\u06af\u0644 \u062a\u0635\u0627\u062f\u0641\u06cc\u06a9\u0647 \u062f\u0631 \u0627\u06cc\u0646 \u067e\u0631\u0648\u0698\u0647 \u0627\u0632 \u0622\u0646 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u062e\u0648\u0627\u0647\u06cc\u0645 \u06a9\u0631\u062f.<\/p>\n

3. \u062c\u0645\u0639 \u0622\u0648\u0631\u06cc \u062f\u0627\u062f\u0647 \u0647\u0627<\/p>\n

\u0645\u06cc\u200c\u062a\u0648\u0627\u0646\u06cc\u062f \u0627\u0632 \u0645\u062c\u0645\u0648\u0639\u0647 \u062f\u0627\u062f\u0647\u200c\u0647\u0627\u06cc \u062f\u0646\u06cc\u0627\u06cc \u0648\u0627\u0642\u0639\u06cc \u0645\u0627\u0646\u0646\u062f \u0645\u062c\u0645\u0648\u0639\u0647 \u062f\u0627\u062f\u0647\u200c\u0647\u0627\u06cc Kaggle House Prices \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u06a9\u0646\u06cc\u062f \u06cc\u0627 \u062f\u0627\u062f\u0647\u200c\u0647\u0627\u06cc \u062e\u0648\u062f \u0631\u0627 \u0627\u0632 \u06cc\u06a9 API \u0639\u0645\u0648\u0645\u06cc \u062c\u0645\u0639\u200c\u0622\u0648\u0631\u06cc \u06a9\u0646\u06cc\u062f.<\/p>\n

\u062f\u0631 \u0627\u06cc\u0646\u062c\u0627 \u0646\u0645\u0648\u0646\u0647 \u0627\u06cc \u0627\u0632 \u0646\u062d\u0648\u0647 \u0638\u0627\u0647\u0631 \u062f\u0627\u062f\u0647 \u0647\u0627\u06cc \u0634\u0645\u0627 \u0622\u0648\u0631\u062f\u0647 \u0634\u062f\u0647 \u0627\u0633\u062a:<\/p>\n

\u0627\u062a\u0627\u0642 \u0647\u0627\u06cc \u062e\u0648\u0627\u0628
\n\u062d\u0645\u0627\u0645 \u0647\u0627
\n\u0645\u0633\u0627\u062d\u062a (\u0641\u0648\u062a \u0645\u0631\u0628\u0639)
\n\u0645\u06a9\u0627\u0646
\n\u0642\u06cc\u0645\u062a (\u062f\u0644\u0627\u0631)<\/p>\n

3
\n2
\n1500
\n\u0628\u0648\u0633\u062a\u0648\u0646
\n300000<\/p>\n

4
\n3
\n2000
\n\u0633\u06cc\u0627\u062a\u0644
\n500000<\/p>\n

\u0645\u062a\u063a\u06cc\u0631 \u0647\u062f\u0641 \u062f\u0631 \u0627\u06cc\u0646\u062c\u0627 \u0647\u0645\u0627\u0646 \u0627\u0633\u062a \u0642\u06cc\u0645\u062a.<\/p>\n

4. \u067e\u06cc\u0634 \u067e\u0631\u062f\u0627\u0632\u0634 \u062f\u0627\u062f\u0647 \u0647\u0627<\/p>\n

\u0642\u0628\u0644 \u0627\u0632 \u0648\u0627\u0631\u062f \u06a9\u0631\u062f\u0646 \u062f\u0627\u062f\u0647 \u0647\u0627 \u0628\u0647 \u06cc\u06a9 \u0645\u062f\u0644 \u06cc\u0627\u062f\u06af\u06cc\u0631\u06cc \u0645\u0627\u0634\u06cc\u0646\u06cc\u060c \u0628\u0627\u06cc\u062f \u0622\u0646 \u0631\u0627 \u0627\u0632 \u0642\u0628\u0644 \u067e\u0631\u062f\u0627\u0632\u0634 \u06a9\u0646\u06cc\u0645. \u0627\u06cc\u0646 \u0634\u0627\u0645\u0644 \u0645\u062f\u06cc\u0631\u06cc\u062a \u0645\u0642\u0627\u062f\u06cc\u0631 \u0627\u0632 \u062f\u0633\u062a \u0631\u0641\u062a\u0647\u060c \u0631\u0645\u0632\u06af\u0630\u0627\u0631\u06cc \u0648\u06cc\u0698\u06af\u06cc \u0647\u0627\u06cc \u0637\u0628\u0642\u0647 \u0628\u0646\u062f\u06cc \u0634\u062f\u0647 \u0648 \u0645\u0642\u06cc\u0627\u0633 \u0628\u0646\u062f\u06cc \u062f\u0627\u062f\u0647 \u0647\u0627 \u0645\u06cc \u0634\u0648\u062f.<\/p>\n

\u0631\u0633\u06cc\u062f\u06af\u06cc \u0628\u0647 \u062f\u0627\u062f\u0647 \u0647\u0627\u06cc \u0627\u0632 \u062f\u0633\u062a \u0631\u0641\u062a\u0647<\/p>\n

\u062f\u0627\u062f\u0647 \u0647\u0627\u06cc \u0627\u0632 \u062f\u0633\u062a \u0631\u0641\u062a\u0647 \u062f\u0631 \u0645\u062c\u0645\u0648\u0639\u0647 \u062f\u0627\u062f\u0647 \u0647\u0627\u06cc \u062f\u0646\u06cc\u0627\u06cc \u0648\u0627\u0642\u0639\u06cc \u0631\u0627\u06cc\u062c \u0627\u0633\u062a. \u0645\u06cc\u200c\u062a\u0648\u0627\u0646\u06cc\u0645 \u0645\u0642\u0627\u062f\u06cc\u0631 \u0627\u0632 \u062f\u0633\u062a \u0631\u0641\u062a\u0647 \u0631\u0627 \u0628\u0627 \u06cc\u06a9 \u0645\u0639\u06cc\u0627\u0631 \u0622\u0645\u0627\u0631\u06cc \u0645\u0627\u0646\u0646\u062f \u0645\u06cc\u0627\u0646\u0647 \u067e\u0631 \u06a9\u0646\u06cc\u0645 \u06cc\u0627 \u0631\u062f\u06cc\u0641\u200c\u0647\u0627\u06cc\u06cc \u0631\u0627 \u0628\u0627 \u062f\u0627\u062f\u0647\u200c\u0647\u0627\u06cc \u0627\u0632 \u062f\u0633\u062a \u0631\u0641\u062a\u0647 \u0631\u0647\u0627 \u06a9\u0646\u06cc\u0645:<\/p>\n

data.fillna(data.median(), inplace=True)<\/p>\n

\u0631\u0645\u0632\u06af\u0630\u0627\u0631\u06cc \u0648\u06cc\u0698\u06af\u06cc \u0647\u0627\u06cc \u062f\u0633\u062a\u0647 \u0628\u0646\u062f\u06cc<\/p>\n

\u0627\u0632 \u0622\u0646\u062c\u0627\u06cc\u06cc \u06a9\u0647 \u0645\u062f\u0644\u200c\u0647\u0627\u06cc \u06cc\u0627\u062f\u06af\u06cc\u0631\u06cc \u0645\u0627\u0634\u06cc\u0646\u06cc \u0628\u0647 \u0648\u0631\u0648\u062f\u06cc \u0639\u062f\u062f\u06cc \u0646\u06cc\u0627\u0632 \u062f\u0627\u0631\u0646\u062f\u060c \u0628\u0627\u06cc\u062f \u0648\u06cc\u0698\u06af\u06cc\u200c\u0647\u0627\u06cc \u0637\u0628\u0642\u0647\u200c\u0628\u0646\u062f\u06cc \u0631\u0627 \u062a\u0628\u062f\u06cc\u0644 \u06a9\u0646\u06cc\u0645 Location \u0628\u0647 \u0627\u0639\u062f\u0627\u062f \u0631\u0645\u0632\u06af\u0630\u0627\u0631\u06cc \u0628\u0631\u0686\u0633\u0628 \u0628\u0647 \u0647\u0631 \u062f\u0633\u062a\u0647 \u06cc\u06a9 \u0634\u0645\u0627\u0631\u0647 \u0645\u0646\u062d\u0635\u0631 \u0628\u0647 \u0641\u0631\u062f \u0627\u062e\u062a\u0635\u0627\u0635 \u0645\u06cc \u062f\u0647\u062f:<\/p>\n

from sklearn.preprocessing import LabelEncoder
\nencoder = LabelEncoder()
\ndata[‘Location’] = encoder.fit_transform(data[‘Location’])<\/p>\n

\u0645\u0642\u06cc\u0627\u0633 \u0628\u0646\u062f\u06cc \u0648\u06cc\u0698\u06af\u06cc \u0647\u0627<\/p>\n

\u0645\u0647\u0645 \u0627\u0633\u062a \u06a9\u0647 \u0648\u06cc\u0698\u06af\u06cc\u200c\u0647\u0627\u06cc\u06cc \u0645\u0627\u0646\u0646\u062f Area \u0648 Price \u0628\u0631\u0627\u06cc \u0627\u0637\u0645\u06cc\u0646\u0627\u0646 \u0627\u0632 \u0627\u06cc\u0646\u06a9\u0647 \u0622\u0646\u0647\u0627 \u062f\u0631 \u06cc\u06a9 \u0645\u0642\u06cc\u0627\u0633 \u0647\u0633\u062a\u0646\u062f\u060c \u0628\u0647 \u062e\u0635\u0648\u0635 \u0628\u0631\u0627\u06cc \u0627\u0644\u06af\u0648\u0631\u06cc\u062a\u0645 \u0647\u0627\u06cc \u062d\u0633\u0627\u0633 \u0628\u0647 \u0628\u0632\u0631\u06af\u06cc \u0648\u06cc\u0698\u06af\u06cc. \u062f\u0631 \u0627\u06cc\u0646\u062c\u0627 \u0646\u062d\u0648\u0647 \u0627\u0639\u0645\u0627\u0644 \u0645\u0642\u06cc\u0627\u0633 \u0628\u0646\u062f\u06cc \u0622\u0645\u062f\u0647 \u0627\u0633\u062a:<\/p>\n

from sklearn.preprocessing import StandardScaler
\nscaler = StandardScaler()
\nX_scaled = scaler.fit_transform(X)<\/p>\n

5. \u0627\u0646\u062a\u062e\u0627\u0628 \u0648\u06cc\u0698\u06af\u06cc<\/p>\n

\u0647\u0645\u0647 \u0648\u06cc\u0698\u06af\u06cc \u0647\u0627 \u0628\u0647 \u0637\u0648\u0631 \u06cc\u06a9\u0633\u0627\u0646 \u0628\u0647 \u0645\u062a\u063a\u06cc\u0631 \u0647\u062f\u0641 \u06a9\u0645\u06a9 \u0646\u0645\u06cc \u06a9\u0646\u0646\u062f. \u0627\u0646\u062a\u062e\u0627\u0628 \u0648\u06cc\u0698\u06af\u06cc \u0628\u0647 \u0634\u0646\u0627\u0633\u0627\u06cc\u06cc \u0645\u0647\u0645\u200c\u062a\u0631\u06cc\u0646 \u0648\u06cc\u0698\u06af\u06cc\u200c\u0647\u0627 \u06a9\u0645\u06a9 \u0645\u06cc\u200c\u06a9\u0646\u062f\u060c \u06a9\u0647 \u0639\u0645\u0644\u06a9\u0631\u062f \u0645\u062f\u0644 \u0631\u0627 \u0628\u0647\u0628\u0648\u062f \u0645\u06cc\u200c\u0628\u062e\u0634\u062f \u0648 \u0628\u06cc\u0634 \u0627\u0632 \u062d\u062f \u0628\u0631\u0627\u0632\u0634 \u0631\u0627 \u06a9\u0627\u0647\u0634 \u0645\u06cc\u200c\u062f\u0647\u062f.<\/p>\n

\u062f\u0631 \u0627\u06cc\u0646 \u067e\u0631\u0648\u0698\u0647 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0645\u06cc \u06a9\u0646\u06cc\u0645 KBest \u0631\u0627 \u0627\u0646\u062a\u062e\u0627\u0628 \u06a9\u0646\u06cc\u062f \u0628\u0631\u0627\u06cc \u0627\u0646\u062a\u062e\u0627\u0628 5 \u0648\u06cc\u0698\u06af\u06cc \u0628\u0631\u062a\u0631 \u0628\u0631 \u0627\u0633\u0627\u0633 \u0647\u0645\u0628\u0633\u062a\u06af\u06cc \u0622\u0646\u0647\u0627 \u0628\u0627 \u0645\u062a\u063a\u06cc\u0631 \u0647\u062f\u0641:<\/p>\n

from sklearn.feature_selection import SelectKBest, f_regression
\nselector = SelectKBest(score_func=f_regression, k=5)
\nX_new = selector.fit_transform(X, y)<\/p>\n

6. \u0622\u0645\u0648\u0632\u0634 \u0645\u062f\u0644<\/p>\n

\u0627\u06a9\u0646\u0648\u0646 \u06a9\u0647 \u062f\u0627\u062f\u0647 \u0647\u0627 \u0631\u0627 \u0627\u0632 \u0642\u0628\u0644 \u067e\u0631\u062f\u0627\u0632\u0634 \u06a9\u0631\u062f\u0647 \u0627\u06cc\u0645 \u0648 \u0628\u0647\u062a\u0631\u06cc\u0646 \u0648\u06cc\u0698\u06af\u06cc \u0647\u0627 \u0631\u0627 \u0627\u0646\u062a\u062e\u0627\u0628 \u06a9\u0631\u062f\u0647 \u0627\u06cc\u0645\u060c \u0646\u0648\u0628\u062a \u0628\u0647 \u0622\u0645\u0648\u0632\u0634 \u0645\u062f\u0644 \u0631\u0633\u06cc\u062f\u0647 \u0627\u0633\u062a. \u0645\u0627 \u0627\u0632 \u062f\u0648 \u0627\u0644\u06af\u0648\u0631\u06cc\u062a\u0645 \u0631\u06af\u0631\u0633\u06cc\u0648\u0646 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u062e\u0648\u0627\u0647\u06cc\u0645 \u06a9\u0631\u062f: \u0631\u06af\u0631\u0633\u06cc\u0648\u0646 \u062e\u0637\u06cc \u0648 \u062c\u0646\u06af\u0644 \u062a\u0635\u0627\u062f\u0641\u06cc.<\/p>\n

\u0631\u06af\u0631\u0633\u06cc\u0648\u0646 \u062e\u0637\u06cc<\/p>\n

\u0631\u06af\u0631\u0633\u06cc\u0648\u0646 \u062e\u0637\u06cc \u0628\u0627 \u06cc\u06a9 \u062e\u0637 \u0645\u0633\u062a\u0642\u06cc\u0645 \u062f\u0631 \u0645\u06cc\u0627\u0646 \u062f\u0627\u062f\u0647 \u0647\u0627 \u0645\u0637\u0627\u0628\u0642\u062a \u0645\u06cc \u06a9\u0646\u062f \u0648 \u062a\u0641\u0627\u0648\u062a \u0628\u06cc\u0646 \u0645\u0642\u0627\u062f\u06cc\u0631 \u067e\u06cc\u0634 \u0628\u06cc\u0646\u06cc \u0634\u062f\u0647 \u0648 \u0648\u0627\u0642\u0639\u06cc \u0631\u0627 \u0628\u0647 \u062d\u062f\u0627\u0642\u0644 \u0645\u06cc \u0631\u0633\u0627\u0646\u062f:<\/p>\n

from sklearn.linear_model import LinearRegression
\nlinear_model = LinearRegression()
\nlinear_model.fit(X_train, y_train)<\/p>\n

\u062c\u0646\u06af\u0644 \u062a\u0635\u0627\u062f\u0641\u06cc<\/p>\n

\u062c\u0646\u06af\u0644 \u062a\u0635\u0627\u062f\u0641\u06cc \u06cc\u06a9 \u0631\u0648\u0634 \u0645\u062c\u0645\u0648\u0639\u0647 \u0627\u06cc \u0627\u0633\u062a \u06a9\u0647 \u0627\u0632 \u0686\u0646\u062f\u06cc\u0646 \u062f\u0631\u062e\u062a \u062a\u0635\u0645\u06cc\u0645 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0645\u06cc \u06a9\u0646\u062f \u0648 \u0646\u062a\u0627\u06cc\u062c \u0622\u0646\u0647\u0627 \u0631\u0627 \u0645\u06cc\u0627\u0646\u06af\u06cc\u0646 \u0645\u06cc \u06af\u06cc\u0631\u062f \u062a\u0627 \u062f\u0642\u062a \u0631\u0627 \u0628\u0647\u0628\u0648\u062f \u0628\u062e\u0634\u062f \u0648 \u0628\u06cc\u0634 \u0627\u0632 \u062d\u062f \u0628\u0631\u0627\u0632\u0634 \u0631\u0627 \u06a9\u0627\u0647\u0634 \u062f\u0647\u062f:<\/p>\n

from sklearn.ensemble import RandomForestRegressor
\nforest_model = RandomForestRegressor(n_estimators=100)
\nforest_model.fit(X_train, y_train)<\/p>\n

\u062a\u0642\u0633\u06cc\u0645 \u0642\u0637\u0627\u0631-\u062a\u0633\u062a<\/p>\n

\u0628\u0631\u0627\u06cc \u0627\u0631\u0632\u06cc\u0627\u0628\u06cc \u0645\u06cc\u0632\u0627\u0646 \u062a\u0639\u0645\u06cc\u0645 \u0645\u062f\u0644\u200c\u0647\u0627\u06cc \u0645\u0627\u060c \u062f\u0627\u062f\u0647\u200c\u0647\u0627 \u0631\u0627 \u0628\u0647 \u0645\u062c\u0645\u0648\u0639\u0647\u200c\u0647\u0627\u06cc \u0622\u0645\u0648\u0632\u0634\u06cc \u0648 \u0622\u0632\u0645\u0627\u06cc\u0634\u06cc \u062a\u0642\u0633\u06cc\u0645 \u0645\u06cc\u200c\u06a9\u0646\u06cc\u0645:<\/p>\n

from sklearn.model_selection import train_test_split
\nX_train, X_test, y_train, y_test = train_test_split(X_new, y, test_size=0.2, random_state=42)<\/p>\n

7. \u0627\u0631\u0632\u06cc\u0627\u0628\u06cc \u0645\u062f\u0644<\/p>\n

\u067e\u0633 \u0627\u0632 \u0622\u0645\u0648\u0632\u0634 \u0645\u062f\u0644 \u0647\u0627\u060c \u0628\u0627\u06cc\u062f \u0639\u0645\u0644\u06a9\u0631\u062f \u0622\u0646\u0647\u0627 \u0631\u0627 \u0628\u0627 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0627\u0632 \u0645\u0639\u06cc\u0627\u0631\u0647\u0627\u06cc\u06cc \u0645\u0627\u0646\u0646\u062f \u0627\u0631\u0632\u06cc\u0627\u0628\u06cc \u06a9\u0646\u06cc\u0645 \u0645\u06cc\u0627\u0646\u06af\u06cc\u0646 \u0645\u0631\u0628\u0639\u0627\u062a \u062e\u0637\u0627 (MSE) \u0648 \u0645\u0631\u0628\u0639 R (R\u00b2).<\/p>\n

\u0645\u06cc\u0627\u0646\u06af\u06cc\u0646 \u0645\u0631\u0628\u0639\u0627\u062a \u062e\u0637\u0627 (MSE)<\/p>\n

MSE \u0645\u06cc\u0627\u0646\u06af\u06cc\u0646 \u0627\u062e\u062a\u0644\u0627\u0641 \u0645\u062c\u0630\u0648\u0631 \u0628\u06cc\u0646 \u0645\u0642\u0627\u062f\u06cc\u0631 \u067e\u06cc\u0634 \u0628\u06cc\u0646\u06cc \u0634\u062f\u0647 \u0648 \u0648\u0627\u0642\u0639\u06cc \u0631\u0627 \u0645\u062d\u0627\u0633\u0628\u0647 \u0645\u06cc \u06a9\u0646\u062f. MSE \u067e\u0627\u06cc\u06cc\u0646 \u062a\u0631 \u0646\u0634\u0627\u0646 \u062f\u0647\u0646\u062f\u0647 \u0639\u0645\u0644\u06a9\u0631\u062f \u0628\u0647\u062a\u0631 \u0627\u0633\u062a:<\/p>\n

from sklearn.metrics import mean_squared_error
\nmse = mean_squared_error(y_test, y_pred)<\/p>\n

\u0645\u0631\u0628\u0639 R (R\u00b2)<\/p>\n

R\u00b2 \u0628\u0647 \u0645\u0627 \u0645\u06cc \u06af\u0648\u06cc\u062f \u06a9\u0647 \u0645\u062f\u0644 \u0686\u0642\u062f\u0631 \u0648\u0627\u0631\u06cc\u0627\u0646\u0633 \u062f\u0631 \u0645\u062a\u063a\u06cc\u0631 \u0647\u062f\u0641 \u0631\u0627 \u062a\u0648\u0636\u06cc\u062d \u0645\u06cc \u062f\u0647\u062f. \u0645\u0642\u062f\u0627\u0631 1 \u0628\u0647 \u0645\u0639\u0646\u0627\u06cc \u067e\u06cc\u0634 \u0628\u06cc\u0646\u06cc \u06a9\u0627\u0645\u0644 \u0627\u0633\u062a:<\/p>\n

from sklearn.metrics import r2_score
\nr2 = r2_score(y_test, y_pred)<\/p>\n

\u0639\u0645\u0644\u06a9\u0631\u062f \u0645\u062f\u0644\u200c\u0647\u0627\u06cc \u0631\u06af\u0631\u0633\u06cc\u0648\u0646 \u062e\u0637\u06cc \u0648 \u062c\u0646\u06af\u0644 \u062a\u0635\u0627\u062f\u0641\u06cc \u0631\u0627 \u0628\u0627 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0627\u0632 \u0627\u06cc\u0646 \u0645\u0639\u06cc\u0627\u0631\u0647\u0627 \u0645\u0642\u0627\u06cc\u0633\u0647 \u06a9\u0646\u06cc\u062f.<\/p>\n

8. \u062a\u0646\u0638\u06cc\u0645 \u0645\u062f\u0644 (\u0628\u0647\u06cc\u0646\u0647 \u0633\u0627\u0632\u06cc \u0641\u0631\u0627\u067e\u0627\u0631\u0627\u0645\u062a\u0631)<\/p>\n

\u0628\u0631\u0627\u06cc \u0628\u0647\u0628\u0648\u062f \u0628\u06cc\u0634\u062a\u0631 \u0639\u0645\u0644\u06a9\u0631\u062f \u0645\u062f\u0644\u060c \u0645\u06cc\u200c\u062a\u0648\u0627\u0646\u06cc\u0645 \u0641\u0631\u0627\u067e\u0627\u0631\u0627\u0645\u062a\u0631\u0647\u0627 \u0631\u0627 \u062f\u0642\u06cc\u0642 \u062a\u0646\u0638\u06cc\u0645 \u06a9\u0646\u06cc\u0645. \u0628\u0631\u0627\u06cc \u062c\u0646\u06af\u0644 \u062a\u0635\u0627\u062f\u0641\u06cc\u060c \u0641\u0631\u0627\u067e\u0627\u0631\u0627\u0645\u062a\u0631\u0647\u0627\u06cc\u06cc \u0645\u0627\u0646\u0646\u062f n_estimators (\u062a\u0639\u062f\u0627\u062f \u062f\u0631\u062e\u062a\u0627\u0646) \u0648 max_depth (\u062d\u062f\u0627\u06a9\u062b\u0631 \u0639\u0645\u0642 \u062f\u0631\u062e\u062a\u0627\u0646) \u0645\u06cc \u062a\u0648\u0627\u0646\u062f \u0639\u0645\u0644\u06a9\u0631\u062f \u0642\u0627\u0628\u0644 \u062a\u0648\u062c\u0647\u06cc \u0631\u0627 \u062a\u062d\u062a \u062a\u0627\u062b\u06cc\u0631 \u0642\u0631\u0627\u0631 \u062f\u0647\u062f.<\/p>\n

\u062f\u0631 \u0627\u06cc\u0646\u062c\u0627 \u0646\u062d\u0648\u0647 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0622\u0645\u062f\u0647 \u0627\u0633\u062a GridSearchCV \u0628\u0631\u0627\u06cc \u0628\u0647\u06cc\u0646\u0647 \u0633\u0627\u0632\u06cc \u0647\u0627\u06cc\u067e\u0631\u067e\u0627\u0631\u0627\u0645\u062a\u0631:<\/p>\n

from sklearn.model_selection import GridSearchCV<\/p>\n

param_grid = {
\n ‘n_estimators’: [50, 100, 200],
\n ‘max_depth’: [None, 10, 20]\n}<\/p>\n

grid_search = GridSearchCV(RandomForestRegressor(), param_grid, cv=5)
\ngrid_search.fit(X_train, y_train)<\/p>\n

best_model = grid_search.best_estimator_<\/p>\n

9. \u0627\u0633\u062a\u0642\u0631\u0627\u0631 \u0645\u062f\u0644<\/p>\n

\u0647\u0646\u06af\u0627\u0645\u06cc \u06a9\u0647 \u0645\u062f\u0644 \u0631\u0627 \u0622\u0645\u0648\u0632\u0634 \u0648 \u062a\u0646\u0638\u06cc\u0645 \u06a9\u0631\u062f\u06cc\u062f\u060c \u0645\u0631\u062d\u0644\u0647 \u0628\u0639\u062f\u06cc \u0627\u0633\u062a\u0642\u0631\u0627\u0631 \u0627\u0633\u062a. \u0645\u06cc \u062a\u0648\u0627\u0646\u06cc\u062f \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u06a9\u0646\u06cc\u062f \u0641\u0644\u0627\u0633\u06a9 \u0628\u0631\u0627\u06cc \u0627\u06cc\u062c\u0627\u062f \u06cc\u06a9 \u0628\u0631\u0646\u0627\u0645\u0647 \u0648\u0628 \u0633\u0627\u062f\u0647 \u06a9\u0647 \u067e\u06cc\u0634 \u0628\u06cc\u0646\u06cc \u0647\u0627 \u0631\u0627 \u0627\u0631\u0627\u0626\u0647 \u0645\u06cc \u062f\u0647\u062f.<\/p>\n

\u062f\u0631 \u0627\u06cc\u0646\u062c\u0627 \u06cc\u06a9 \u0628\u0631\u0646\u0627\u0645\u0647 \u0627\u0635\u0644\u06cc Flask \u0628\u0631\u0627\u06cc \u0627\u0631\u0627\u0626\u0647 \u067e\u06cc\u0634 \u0628\u06cc\u0646\u06cc \u0642\u06cc\u0645\u062a \u062e\u0627\u0646\u0647 \u0648\u062c\u0648\u062f \u062f\u0627\u0631\u062f:<\/p>\n

from flask import Flask, request, jsonify
\nimport joblib<\/p>\n

app = Flask(__name__)<\/p>\n

# Load the trained model
\nmodel = joblib.load(‘best_model.pkl’)<\/p>\n

@app.route(‘\/predict’, methods=[‘POST’])
\ndef predict():
\n data = request.json
\n prediction = model.predict([data[‘features’]])
\n return jsonify({‘predicted_price’: prediction[0]})<\/p>\n

if __name__ == ‘__main__’:
\n app.run()<\/p>\n

\u0628\u0627 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0627\u0632 \u0645\u062f\u0644 \u0622\u0645\u0648\u0632\u0634 \u062f\u06cc\u062f\u0647 \u0630\u062e\u06cc\u0631\u0647 \u06a9\u0646\u06cc\u062f joblib:<\/p>\n

import joblib
\njoblib.dump(best_model, ‘best_model.pkl’)<\/p>\n

\u0628\u0647 \u0627\u06cc\u0646 \u062a\u0631\u062a\u06cc\u0628 \u0645\u06cc \u062a\u0648\u0627\u0646\u06cc\u062f \u0628\u0627 \u0627\u0631\u0633\u0627\u0644 \u062f\u0631\u062e\u0648\u0627\u0633\u062a \u0628\u0647 API \u067e\u06cc\u0634 \u0628\u06cc\u0646\u06cc \u06a9\u0646\u06cc\u062f.<\/p>\n

10. \u0646\u062a\u06cc\u062c\u0647 \u06af\u06cc\u0631\u06cc<\/p>\n

\u062f\u0631 \u0627\u06cc\u0646 \u067e\u0631\u0648\u0698\u0647\u060c \u0645\u0627 \u06a9\u0644 \u0641\u0631\u0622\u06cc\u0646\u062f \u0633\u0627\u062e\u062a \u06cc\u06a9 \u0645\u062f\u0644 \u06cc\u0627\u062f\u06af\u06cc\u0631\u06cc \u0645\u0627\u0634\u06cc\u0646 \u0631\u0627 \u0628\u0627 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0627\u0632 scikit-learn \u0628\u0631\u0627\u06cc \u067e\u06cc\u0634\u200c\u0628\u06cc\u0646\u06cc \u0642\u06cc\u0645\u062a \u062e\u0627\u0646\u0647 \u0628\u0631\u0631\u0633\u06cc \u06a9\u0631\u062f\u06cc\u0645. \u0627\u0632 \u067e\u06cc\u0634 \u067e\u0631\u062f\u0627\u0632\u0634 \u062f\u0627\u062f\u0647 \u0647\u0627 \u0648 \u0627\u0646\u062a\u062e\u0627\u0628 \u0648\u06cc\u0698\u06af\u06cc \u06af\u0631\u0641\u062a\u0647 \u062a\u0627 \u0622\u0645\u0648\u0632\u0634 \u0645\u062f\u0644\u060c \u0627\u0631\u0632\u06cc\u0627\u0628\u06cc \u0648 \u0627\u0633\u062a\u0642\u0631\u0627\u0631\u060c \u0647\u0631 \u0645\u0631\u062d\u0644\u0647 \u0628\u0627 \u0646\u0645\u0648\u0646\u0647 \u0647\u0627\u06cc \u06a9\u062f \u0639\u0645\u0644\u06cc \u067e\u0648\u0634\u0634 \u062f\u0627\u062f\u0647 \u0634\u062f.<\/p>\n

\u0686\u0647 \u062f\u0631 \u06cc\u0627\u062f\u06af\u06cc\u0631\u06cc \u0645\u0627\u0634\u06cc\u0646\u06cc \u062a\u0627\u0632\u0647 \u06a9\u0627\u0631 \u0628\u0627\u0634\u06cc\u062f \u0648 \u0686\u0647 \u0628\u0647 \u062f\u0646\u0628\u0627\u0644 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0627\u0632 Sikit-Learn \u062f\u0631 \u067e\u0631\u0648\u0698\u0647 \u0647\u0627\u06cc \u062f\u0646\u06cc\u0627\u06cc \u0648\u0627\u0642\u0639\u06cc \u0647\u0633\u062a\u06cc\u062f\u060c \u0627\u06cc\u0646 \u0631\u0627\u0647\u0646\u0645\u0627 \u06af\u0631\u062f\u0634 \u06a9\u0627\u0631 \u062c\u0627\u0645\u0639\u06cc \u0631\u0627 \u0627\u0631\u0627\u0626\u0647 \u0645\u06cc \u062f\u0647\u062f \u06a9\u0647 \u0645\u06cc \u062a\u0648\u0627\u0646\u06cc\u062f \u0622\u0646 \u0631\u0627 \u0628\u0631\u0627\u06cc \u06a9\u0627\u0631\u0647\u0627\u06cc \u0645\u062e\u062a\u0644\u0641 \u0631\u06af\u0631\u0633\u06cc\u0648\u0646 \u062a\u0637\u0628\u06cc\u0642 \u062f\u0647\u06cc\u062f.<\/p>\n

\u0628\u0627 \u062e\u06cc\u0627\u0644 \u0631\u0627\u062d\u062a \u0645\u062f\u0644\u200c\u0647\u0627\u060c \u0645\u062c\u0645\u0648\u0639\u0647 \u062f\u0627\u062f\u0647\u200c\u0647\u0627 \u0648 \u062a\u06a9\u0646\u06cc\u06a9\u200c\u0647\u0627\u06cc \u0645\u062e\u062a\u0644\u0641 \u0631\u0627 \u0628\u0631\u0627\u06cc \u0627\u0641\u0632\u0627\u06cc\u0634 \u0639\u0645\u0644\u06a9\u0631\u062f \u0648 \u062f\u0642\u062a \u0645\u062f\u0644 \u062e\u0648\u062f \u0622\u0632\u0645\u0627\u06cc\u0634 \u06a9\u0646\u06cc\u062f.<\/p>\n

\u0631\u06af\u0631\u0633\u06cc\u0648\u0646 #AI #\u062a\u062d\u0644\u06cc\u0644 \u062f\u0627\u062f\u0647 #\u067e\u06cc\u0634 \u067e\u0631\u062f\u0627\u0632\u0634 \u062f\u0627\u062f\u0647 #MLModel #RandomForest #LinearRegression #Flask #APIDevelopment #Real Estate #TechBlog #Tutorial #DataEngineering #DeepLearning #Predictive Analytics #DevCommunity<\/p>\n

\u06cc\u0627\u062f\u06af\u06cc\u0631\u06cc \u0645\u0627\u0634\u06cc\u0646\u06cc<\/strong> \u0635\u0646\u0627\u06cc\u0639 \u0645\u062e\u062a\u0644\u0641 \u0627\u0632 \u062c\u0645\u0644\u0647 \u0627\u0645\u0644\u0627\u06a9 \u0648 \u0645\u0633\u062a\u063a\u0644\u0627\u062a \u0631\u0627 \u0645\u062a\u062d\u0648\u0644 \u0645\u06cc \u06a9\u0646\u062f. \u06cc\u06a9\u06cc \u0627\u0632 \u06a9\u0627\u0631\u0647\u0627\u06cc \u0631\u0627\u06cc\u062c \u067e\u06cc\u0634 \u0628\u06cc\u0646\u06cc \u0642\u06cc\u0645\u062a \u062e\u0627\u0646\u0647 \u0628\u0631 \u0627\u0633\u0627\u0633 \u0648\u06cc\u0698\u06af\u06cc \u0647\u0627\u06cc \u0645\u062e\u062a\u0644\u0641 \u0645\u0627\u0646\u0646\u062f \u062a\u0639\u062f\u0627\u062f \u0627\u062a\u0627\u0642 \u062e\u0648\u0627\u0628\u060c \u062d\u0645\u0627\u0645\u060c \u0645\u062a\u0631\u0627\u0698 \u0645\u0631\u0628\u0639 \u0648 \u0645\u0648\u0642\u0639\u06cc\u062a \u0645\u06a9\u0627\u0646\u06cc \u0627\u0633\u062a. \u062f\u0631 \u0627\u06cc\u0646 \u0645\u0642\u0627\u0644\u0647 \u0646\u062d\u0648\u0647 \u0633\u0627\u062e\u062a \u06cc\u06a9 \u0645\u062f\u0644 \u06cc\u0627\u062f\u06af\u06cc\u0631\u06cc \u0645\u0627\u0634\u06cc\u0646\u06cc \u0628\u0627 \u0627\u0633\u062a\u0641\u0627\u062f\u0647 \u0627\u0632 \u0622\u0646 \u0631\u0627 \u0628\u0631\u0631\u0633\u06cc \u062e\u0648\u0627\u0647\u06cc\u0645 \u06a9\u0631\u062f scikit-\u06cc\u0627\u062f\u06af\u06cc\u0631\u06cc<\/strong> \u0628\u0631\u0627\u06cc \u067e\u06cc\u0634\u200c\u0628\u06cc\u0646\u06cc \u0642\u06cc\u0645\u062a \u0645\u0633\u06a9\u0646\u060c \u06a9\u0647 \u0647\u0645\u0647 \u062c\u0646\u0628\u0647\u200c\u0647\u0627 \u0627\u0632 \u067e\u06cc\u0634\u200c\u067e\u0631\u062f\u0627\u0632\u0634 \u062f\u0627\u062f\u0647\u200c\u0647\u0627 \u062a\u0627 \u0627\u0633\u062a\u0642\u0631\u0627\u0631 \u0645\u062f\u0644 \u0631\u0627 \u067e\u0648\u0634\u0634 \u0645\u06cc\u200c\u062f\u0647\u062f.<\/p>\n

\n
\n

\u0641\u0647\u0631\u0633\u062a \u0645\u0637\u0627\u0644\u0628<\/p>\nToggle<\/span><\/path><\/svg><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n