Este proyecto utiliza un modelo de Random Forest para predecir el precio de portátiles en base a sus características. El modelo se entrena con un conjunto de datos de precios de portátiles y luego se utiliza para predecir el precio de nuevos portátiles.
- Codificación one-hot para variables categóricas.
- División de datos en conjuntos de entrenamiento y prueba.
- Modelo de Random Forest con ajuste de hiperparámetros.
- Función para predecir el precio de un portátil dado su número de dato.
- Python 3.x
- pandas
- numpy
- scikit-learn
- Clona este repositorio.
- Crea un entorno virtual e instala las bibliotecas requeridas:
pip install requirements.txt
- Carga el archivo
laptop_prices.csven tu entorno. - Ejecuta el código del notebook para entrenar el modelo de Random Forest.
- Utiliza la función
predecir_precio()para obtener predicciones de precios.
El conjunto de datos utilizado en este proyecto contiene información sobre diferentes portátiles, incluyendo marca, modelo, tipo, sistema operativo, pantalla, procesador, memoria, almacenamiento, tarjeta gráfica y precio.
El modelo se evalúa utilizando el error cuadrático medio (RMSE) y la puntuación R².
Las contribuciones son bienvenidas. Por favor, crea un pull request con tus cambios.
Este proyecto está licenciado bajo la Licencia MIT.