Dieses Projekt analysiert Gebrauchtwagen-Daten aus Deutschland und erstellt ein Machine-Learning-Modell zur Preisvorhersage von Autos.
Die Umsetzung erfolgt mit Python, Pandas, Jupyter Notebook und CatBoost.
- Daten aus einem Auto-Datensatz laden und bereinigen
- Explorative Datenanalyse (EDA)
- Feature Engineering
- Training eines Regressionsmodells (CatBoost)
- Bewertung der Modell-Performance
- Vorhersage von Autopreisen
- Python
- Pandas / NumPy
- Matplotlib / Seaborn
- Scikit-Learn
- CatBoost
- Jupyter Notebook