PROJECT MEMBER:
- De Maio Dario
- Mauro Nicola
- Santangelo Angelo
OBIETTIVI: il nostro progetto consiste in un tool che, date in input le caratteristiche di un device, sia in grado di fornire un’indicazione della fascia di prezzo che quest'ultimo potrebbe avere nella realtà. Tuttavia, lo scopo non è realizzare solo tale funzionalità, ma andare a creare vari algoritmi di machine learning, per poi usare quello con precisione maggiore per l'implementazione della Demo.
RISORSE CONTENUTE NEL REPOSITORY:
- nella cartella "Semilavorati" ci sono i file relativi alla documentazione intermedia del progetto. Ogni file è stato sviluppato e committato da uno specifico project member, così come il file "findrange.ipynb", il quale contiene il codice relativo alla preparazione dei dati e all'addestramento del machine learner.
- Il file "findrange.pdf" è la documentazione finale che contiene tutti i documenti intermedi sviluppati da ogni membro.
- Il file "dataset.csv" è il file relativo al set di dati usato per il progetto.
- Il file "implementator.py" è la Demo che implementa il funzionamento effettivo di Findrange.
PASSI DA ESEGUIRE PER USARE IL MACHINE LEARNER:
- Aprire Visual Studio Code;
- Assicurarsi di aver già installato l'estensione Python e Jupyter;
- Clonare il progetto dal Repository remoto, in locale;
- Fare Pull;
- Eseguire nel terminal il comando "pip install pandas";
- Eseguire nel terminal il comando "pip install seaborn";
- Eseguire nel terminal il comando "pip install matplotlib";
- Eseguire nel terminal il comando "pip install scikit-learn";
- Eseguire nel terminal il comando "pip install matplotlib_venn";
- Eseguire nel terminal il comando "pip install joblib";
- Eseguire il comando "Run all" sul file "findrange.ipynb";
- Eseguire il comando "Run" sul file "implementator.py";