Spaces:
Sleeping
Sleeping
import streamlit as st | |
import pandas as pd | |
import joblib | |
import streamlit as st | |
import eda | |
import models | |
page = st.sidebar.selectbox(label='Select Page:', options=['Home Page', 'Exploration Data Analysis', 'Model Prediksi']) | |
if page == 'Home Page': | |
st.header('Welcome Page') | |
st.write('') | |
st.write('Milestone 2') | |
st.write('Nama : Ryan Trisnadi') | |
st.write('Batch : ') | |
st.write('Tujuan Milestone : Prediksi harga rumah di Melbourne') | |
st.write('') | |
st.caption('Silahkan pilih menu lain di Select Box pada sebelah kiri layar anda untuk memulai!') | |
st.write('') | |
st.write('') | |
with st.expander("Latar Belakang"): | |
st.caption('Proyek ini dibuat untuk mengilustrasikan dan memproyek kedepan harga rumah di kota Melbourne, Australia. Kita akan menguji dengan Linear regression | |
dengan beberapa test algorithma seperti SVM, Decision Tree, Random Forest, dan Boosting. Oleh karena itu, kita akan memilih variable "price" atau harga | |
rumah sebagai target. Dengan mengunakan Pipeline di setiap proses dari Feature Engineering, kita bisa membuat proses lebih efisien dan mencegah data leak. | |
Dataset tersebut memiliki beberapa faktor seperti alamat, kode pos, harga rumah, lokasi lingkungan, kamar, kamar mandi, garasi, besar tanah, umur dan | |
lain-lain'.) | |
elif page == 'Exploration Data Analysis': | |
eda.run() | |
else: | |
models.run() |