dc.contributor.advisor |
Αντωνόπουλος, Χρήστος, |
|
dc.contributor.author |
Παπαδόπουλος, Δημητριος (2537) |
|
dc.contributor.author |
Παπαϊωάννου, Ιωάννης (2427) |
|
dc.date.accessioned |
2021-06-07T04:45:45Z |
|
dc.date.available |
2021-06-07T04:45:45Z |
|
dc.date.issued |
2021-06 |
|
dc.identifier.uri |
http://repository.library.teimes.gr/xmlui/handle/123456789/9231 |
|
dc.description.abstract |
Στην παρούσα εργασία θα παραρουσιαστούν και θα αναλυθούν οι τεχνικές και οι διαδικασίες πρόβλεψης κάποιων συγκεκριμένων τιμών. Πιο συγκερκιμένα θα εργαστούμε πάνω στo AirBnB, όπου ως βασικός στόχος είναι η πρόβλεψη τιμών των διαμερισμάτων σε μελλοντικό χρόνο με βάση τις τιμές που έχουμε ως δεδομένα απο το παρελθόν.Χρησιμοποιώντας τις βάσεις δεδομένων που διαθέτει η Kaggle θα εργαστούμε όπως αναφέρθηκε και παραπάνω στην πρόβλεψη τιμών των διαμερισμάτων του Βερολίνου. Η εργασία θα υλοποιηθεί με γλώσσα python, όπου το πρώτο βήμα θα είναι η συλλογή και η ταξινόμηση των δεδομένων ώστε να μπορούμε να κάνουμε plot στα διαμερίσματα και να βλέπουμε μέσα απο διαγράμματα πως κυμαίνονται οι τιμές στο χρόνο. Στη συνέχεια χρησιμοποιώντας κάποιους αλγορίθμους θα προσπαθήσουμε να προβλέψουμε τις πιθανές τιμές που θα έχουν τα διαμερίσματα στο μέλλον και κατά πόσο σωστές θα είναι οι προβλέψεις που θα παίρνουμε ως αποτέλεσμα. |
el |
dc.language.iso |
el_GR |
el |
dc.publisher |
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ |
el |
dc.title |
Μέθοδοι μηχανικής εκμάθησης για ταξινόμηση και παλινδρόμηση |
el |
dc.type |
Πτυχιακή Εργασία |
el |