| # Prédiction du Prix de Vente d'une Voiture avec Régression Linéaire | |
| Ce projet implémente un modèle de régression linéaire multiple pour prédire le prix de vente d'une voiture en fonction de ses caractéristiques. L'application est construite avec **Gradio** pour l'interface utilisateur et est déployée localement ainsi que sur **Hugging Face Spaces**. | |
| --- | |
| ## Fonctionnalités du projet | |
| - **Entraînement du modèle** : Utilisation d'un modèle de régression linéaire multiple. | |
| - **Prédiction interactive** : Interface utilisateur simple et intuitive avec Gradio. | |
| - **Déploiement** : Hébergement de l'application sur Hugging Face Spaces. | |
| - **Données manipulées** : Variables quantitatives et qualitatives liées aux voitures. | |
| --- | |
| ## Variables utilisées pour la prédiction | |
| 1. **Kilométrage parcouru (Kms_Driven)** : Distance totale parcourue par la voiture. | |
| 2. **Prix actuel (Present_Price)** : Prix actuel de la voiture sur le marché. | |
| 3. **Type de carburant (Fuel_Type)** : | |
| - 0 : Essence | |
| - 1 : Diesel | |
| - 2 : CNG | |
| 4. **Type de vendeur (Seller_Type)** : | |
| - 0 : Particulier | |
| - 1 : Concessionnaire | |
| 5. **Transmission** : | |
| - 0 : Manuelle | |
| - 1 : Automatique | |
| 6. **Âge du véhicule (Age)** : Nombre d'années depuis la fabrication du véhicule. | |
| --- | |
| ## Prérequis | |
| Avant de commencer, vous devez avoir les éléments suivants installés : | |
| 1. **Python 3.7 ou supérieur**. | |
| 2. Les bibliothèques Python suivantes : | |
| - Gradio | |
| - Joblib | |
| - Numpy | |
| - Scikit-learn | |
| Installez toutes les dépendances avec la commande suivante : | |
| ```bash | |
| pip install -r requirements.txt | |