← 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 |
LightGBM / GradientBoostingRegressor avec quartier en one-hot + features extraites |
Validation
- Découpage aléatoire 80/20 ; métriques : R², MAE sur log-prix, MAPE
- Comparaison directe OLS vs GBM
Déploiement
- API
POST /property-valuation retournant estimation de prix + intervalle 80 %
- Tableau de bord agent immobilier avec superpositions de distributions par quartier
Résultat métier
- Agents immobiliers et acheteurs ancrent leurs prix sur un modèle plutôt que des intuitions
- Les prêteurs hypothécaires obtiennent une référence d’évaluation explicable
- Le même pipeline s’étend trivialement à Abuja, Ibadan, Port Harcourt avec des données taggées par quartier