← Portfolio · Carnet
Évaluation immobilière — Lagos, Nigeria
Question métier
Peut-on prédire les prix des annonces de biens résidentiels à Lagos avec une précision suffisante pour :
- Aider les acheteurs à repérer les annonces sous-cotées ou sur-cotées
- Aider les agents immobiliers à ancrer leurs recommandations de prix
- Éclairer les modèles d’évaluation hypothécaire pour les prêteurs nigérians
Données
Lancer python download_data.py.
Cibles d’EDA
- Distribution des prix par quartier (Ikoyi, Lekki, VI commandent une prime ; périphérie moins chère)
- Nombre de chambres et type de bien extraits de
Property_name
- Différentiel de prix Terrain vs Appartement vs Maison vs Duplex
Modélisation
| Famille |
Modèle |
| Régression linéaire |
OLS sur log-prix avec quartier + type de bien + chambres |
| GBM |
GradientBoostingRegressor avec quartier en one-hot + features extraites |
Validation
- Découpage aléatoire 80/20 (aléatoire car ce sont des annonces à dates non spécifiées, pas une prévision).
- Métriques à double échelle : R²(log) 0,58, R²(niveau) implicitement plus bas ; MAPE brut 146 %, RMSE 366M NGN pour le GBM. OLS : R²(log) 0,51, MAPE brut 179 %, RMSE 396M NGN. Le R² log est confortable ; la MAPE brute est honnête sur les limites — sur une cible de médiane ~50M NGN, se tromper routinièrement de plus que le vrai prix signifie que c’est un outil de classement, pas d’évaluation ponctuelle.
- Priorité de
parse_type corrigée en « le plus spécifique d’abord » pour que "semi-detached house" → semi-detached (pas house), "detached duplex" → detached (pas duplex), etc.
Esquisse de déploiement
- La sortie du modèle sert au classement d’annonces contre les baselines de quartier, pas à l’ancrage d’évaluations individuelles (la MAPE brute est trop large).
- Un déploiement d’estimation ponctuelle demanderait soit (a) un couple quantile-GBM (
loss='quantile', alpha=0,1/0,9) pour produire des intervalles honnêtes, soit (b) des features plus riches (surface, année de construction, état) absentes de cette collecte.
Résultat métier
- Un modèle de prix résidentiels fonctionnel sur une collecte Kaggle Lagos gratuite ; c’est le pipeline qui compte, pas les prédictions.
- Utilisable pour le tri comparatif au niveau quartier × type × chambres. L’incertitude brute est trop large pour ancrer des expertises individuelles.
- Le même pipeline tournerait sur des collectes Abuja, Ibadan ou Port Harcourt avec la même structure.