Celem niniejszego projektu jest budowa zaawansowanych modeli uczenia nadzorowanego dedykowanych problemowi regresji, jakim jest wycena wartości nieruchomości. W ramach analizy zweryfikowana zostanie skuteczność klasycznych podejść regresyjnych w zderzeniu z modelami nieliniowymi i zespołowymi. Końcowym efektem prac jest wybór optymalnego modelu, który charakteryzuje się najwyższą zdolnością generalizacji i najniższym poziomem błędu predykcji na danych testowych.

W ramach badania zaprezentowana jest analiza reguł asocjacyjnych dla danych z serwisu Otodom.pl.

Praca opiera się na wczytaniu dużego zbioru zdjęć reprezentujących różne lokalizacje. U podstawy projektu leży założenie, że istnieje możliwość rozróżnienia wskazanych lokalizacji na podstawie cech zdjęć (np. dla zdjęć jezior dominuje kolor niebieski, a dla miast odcienie szarości).

W projekcie wykorzystano dane z: Kaggle Spotify Dataset. Zbiór danych zawiera 114 000 rekordów danych dla osobnych utworów z serwisu Spotify. Posłużono się algorytmem k-means oraz EM.