🚗 Анализ рынка автомобилей в Австралии 🐨

Проект для анализа динамики автомобильного рынка Австралии с использованием данных о ценах, брендах, пробеге и других характеристиках. 📊

---

📚 Ресурсы и ссылки

• 📊 Kaggle: Датасет на Kaggle
• 🔗 GitHub Репозиторий

🧑‍💻 Контрибьюторы

• s2x: Разработчик и аналитик данных.
• Особая благодарность Practice Data Analysis With Me за предоставленные данные!

---

📚 Ресурсы и ссылки

• 📊 Kaggle: Датасет на Kaggle
• 🔗 GitHub Репозиторий

🌟 Обзор проекта

В рамках проекта проводится всесторонний анализ рынка автомобилей Австралии. Датасет содержит множество характеристик автомобилей, включая:

• Код автомобиля 🏷️
• Название автомобиля 🚗
• Цена 💰
• Бренд 🏢
• Год выпуска 📅
• Тип коробки передач ⚙️
• Тип топлива ⛽
• Состояние автомобиля 🔧
• Пробег 🚙
• Объём двигателя 🛠️
• Цвет 🎨
• Вместимость 👥

Цели анализа:

🔍 Выявление ключевых факторов, влияющих на цены автомобилей.
📈 Популярные модели и сегменты рынка.
🔄 Влияние пробега и состояния на стоимость автомобиля.
🔮 Разработка модели предсказания цен автомобилей.

🔗 Датасет

Датасет предоставляет подробную информацию о рынке автомобилей в Австралии, что позволяет изучить ключевые тенденции и динамику автомобильной индустрии.

📊 Задачи анализа:

1. Тренды цен: Как изменяются цены в зависимости от бренда и года выпуска?
2. Распределение цен: Какие сегменты популярны по типам кузова, марке и модели?
3. Влияние пробега: Как пробег автомобиля влияет на его стоимость?
4. Моделирование предсказания: Использование машинного обучения для прогнозирования цен.

💡 Инсайты и результаты:

• Бренд и год: Премиальные бренды (например, Lamborghini, Aston Martin) и более новые модели имеют более высокие цены.
• Пробег: Большой пробег существенно снижает цену автомобиля.
• Популярные бренды: Toyota, Holden и Ford лидируют на рынке, а универсалы и хэтчбеки являются самыми востребованными кузовами.
• Визуализация данных: Использовались продвинутые методы, такие как boxplots, violin plots и тепловые карты для отображения различий в ценах между категориями.
• Кластеризация и модели предсказания: K-Means был использован для сегментации рынка, а регрессионный анализ помог точно предсказать цены на автомобили.

🔮 Применение результатов:

• 📊 Рекомендации по ценам для клиентов.
• 🚗 Популярные модели автомобилей и сегментация рынка.
• 🛠️ Модели предсказания для точного прогноза стоимости.

🚀 Как запустить проект

1. Склонируйте репозиторий:

   git clone https://github.com/S2xc/Australia-Car-Market-Data.git

2. Установите необходимые библиотеки:

   pip install -r requirements.txt

3. Запустите ноутбук с анализом:

   jupyter notebook notebooks/car_market_analysis.ipynb

🎨 Визуализации

• Boxplots для отображения распределения цен.
• Тепловые карты для анализа корреляций цен.
• Кластеризация K-Means для сегментации автомобилей по характеристикам.

🤖 Модели машинного обучения

• Регрессионные модели: Прогнозирование цен автомобилей с высокой точностью.
• Случайный лес: Продвинутая модель для точного предсказания цен.
• Кластеризация K-Means: Группировка автомобилей по схожим характеристикам.

🐝 Итоговый вывод

Этот проект успешно предоставил глубокие инсайты в рынок автомобилей Австралии, выявил ключевые факторы ценообразования и применил модели машинного обучения для предсказания цен и сегментации рынка.

📜 Лицензия

Этот проект лицензирован по лицензии MIT — смотрите файл LICENSE для деталей.

---

Создано с 💻 и ☕ [S2xc]