💡 수도권 아파트 전세가 예측 프로젝트

이 프로젝트는 주어진 데이터를 바탕으로 전세가를 예측하는 AI 알고리즘을 개발하기 위한 프로젝트입니다. 이를 통해 한국의 전세 시장의 구조와 동향을 이해하고, 인프라와 경제적 요인에 대한 통찰을 기대합니다.

🏢 Team

🗣️ 팀 소개

저희 팀은 개발자처럼 협업하고, 체계적으로 가설을 세워 실험하고 기록하며 여러 모델을 경험해보는 것을 목표로 합니다.

👨🏼‍💻 Members

김영찬	박광진	박세연	박재현	배현우	조유솔

🛠️ 기술 스택 및 협업

 

   

   

   

🤝 협업 방식

Pipeline

📁 Directory

project/
│
├── notebooks/
│    ├── EDA.ipynb
│    └── baseline.ipynb
├── docs/
│    └── 랩업리포트, 발표자료 등
├── src/
│    ├── data/
│       ├── __init__.py
│       ├── preprocessor.py
│       └── features.py
│    ├── models/
│       ├── __init__.py
│       ├── ensemble.py
│       ├── lgbm.py     # LGBM 모델
│       ├── xgb.py      # XGBoost 모델
│       └── rf.py # Random Forest 모델
│    ├── arg_paser.py   # 커맨드 라인 옵션 인풋 설정
│    └── utils.py   # 완디비 콜백 커스텀, 모델 저장 및 불러오기
├── configs/
│    └── train_config.yaml
├── saved/
│    └── models/   # 모델 별 pkl 파일 저장
├── train.py
└── test.py

🏃 How to run

요구사항 Requirements

이 프로젝트를 실행하기 위해 필요한 모든 라이브러리를 설치하려면 다음 명령어를 실행하세요:

pip install -r requirements.txt

설정 Configuration

이 프로젝트는 configs/ 디렉토리 내의 YAML 파일로 모델 하이퍼 파라미터와 기타 설정을 관리합니다.

파일 구조

설정 파일(config.yaml)은 다음과 같은 주요 섹션으로 구성되어 있습니다:

1. 공통 설정 (common)
2. LightGBM 설정 (lightgbm)
3. CatBoost 설정 (catboost)
4. Random Forest 설정 (rf)

각 섹션에는 해당 모델 또는 전체 프로젝트에 필요한 다양한 매개변수가 포함되어 있습니다.

예시

설정 파일의 일부 예시:

common:
  data_path: "../../data/"
  random_seed: 42
  n_splits: 5  # KFold split

lightgbm:
  objective: "regression"
  metric: ["mae", "rmse"]
  num_leaves: 1200
  learning_rate: 0.035
  # ...

학습 및 예측

Training

개별 모델을 훈련하려면 다음 명령어를 사용하세요:

python train.py -lgb
python train.py -cat
python train.py -rf
# 또는 여러 모델을 한번에 학습시킬 수도 있습니다
python tarin.py -lgb -cat -rf

Testing

앙상블 모델을 테스트 하려면 다음 명령어를 사용하세요:

python test.py