metadata
license: apache-2.0
tags:
- sklearn
- regression
- housing-prices
- california
- random-forest
California Housing Price Prediction Model
Modèle de prédiction des prix immobiliers en Californie utilisant Random Forest Regressor.
Performance
- Test RMSE: 46,834
- Test MAE: 31,292
- CV RMSE: 49,101
Utilisation
from huggingface_hub import hf_hub_download
import joblib
# Télécharger le modèle
model_path = hf_hub_download(repo_id="BinkyTwin/CaliforniaPrice", filename="final_release.joblib")
model_data = joblib.load(model_path)
model = model_data["final_model"]
# Faire une prédiction
# Le modèle attend un DataFrame avec les colonnes suivantes:
# - longitude, latitude, housing_median_age, total_rooms, total_bedrooms
# - population, households, median_income, ocean_proximity
# - rooms_per_household, bedrooms_per_room, population_per_household
Métadonnées
- Scikit-learn version: 1.8.0
- Python version: 3.13.9
- Random state: 42