Что такое прогноз мобильного рейтинга телефона Flipkart I, представленный в 2022 году. Продукты Apple широко используются в электронной промышленности. Одним из их основных продуктов являются мобильные телефоны. Прелесть дизайна Apple в том, что вы можете взять любой из его продуктов и научиться им пользоваться. . Недолго думая. Люди любят мало думать. iPhone интуитивно понятен, он прост, а дизайн выполнен так со вкусом, что просто затягивает.
Основная цель этого проекта - прогнозировать рейтинги конкретной модели, в которых пользователь может вводить характеристики конкретной модели, которые могут прогнозировать рейтинги.
Посетите эту ссылку, чтобы предсказать: https://iphonesmobilerating.herokuapp.com
Канал проекта
ШАГ 1: НАБОР ДАННЫХ
Для этого проекта мы должны сделать свои собственные данные, так как в источниках нет доступного набора данных.
В случае, если мы можем использовать веб-скрейпинг на веб-сайте Flipkart. С помощью веб-скрейпинга мы можем выполнить извлечение, трансформацию, загрузку (ETL) и собрать наши собственные данные.
Для этого кода я делюсь ссылкой на GitHub, вы можете проверить часть ETL.
Ссылка на GitHub: IPHONES_MOBILE_RATING_PREDICTION/1_Flipkart_ETL.ipynb в основном · rajeshchary1999/IPHONES_MOBILE_RATING_PREDICTION (github.com)
и после ETL мы сохраняем наши данные в файле csv (или мы можем сохранить в базе данных MYSQL).
ШАГ 2: ЭДА
на этом шаге, что я сделал, я сохранил файл в csv, в блокноте Excel
я очистил столбец цен, удалив символ рупий, после чего я сохранил данные в базе данных MySQL.
после этого я подключил базу данных sql к блокноту Jupyter и импортировал данные.
Для всей части EDA И визуализации проверьте эту ссылку
На этом этапе мы импортировали данные, выполнили EDA и визуализацию и очистили данные после очистки данных, мы сохраняем новые данные в csv.
ШАГ 3: ПОСТРОЕНИЕ МОДЕЛИ
на этом этапе мы импортируем новый файл csv и выполняем построение модели,
1 — поезд тестовый сплит
2 — корпус модели.
Для построения модели мы используем всего 3 алгоритма
AS это проблема регрессии.
Как мы заметили выше, мы получаем точность 99% с помощью регрессии Random Forest Algo и Extra Tress. В качестве окончательного мы выбираем модель случайного леса.
Предсказания
Как мы видели выше, мы получаем хорошие прогнозы.
ШАГ 4: ТРАВЛЕНИЕ
ШАГ 5: РАЗВЕРТЫВАНИЕ
мы используем Flask Framework и HTML-коды. для развертывания перейдите по кодовой ссылке: rajeshchary1999/IPHONES_MOBILE_RATING_PREDICTION (github.com)
ШАГ 6: ПРОГНОЗ
Предоставление значений в функциях.
Как мы даем значения.
Результат
Рейтинг 4.4 За заданные входные характеристики.
Если вы считаете это полезным, несколько раз нажмите кнопку аплодисментов 👏 ниже, чтобы выразить свою поддержку автору 👇