Nos formations : https://www.jedha.co C'est en binôme que Marc & Fabien de sont mis pour réaliser leur projet IA final. Leur but ? Prédire le prix de ventes d'objets grâce au traitement du texte présent dans sa description.

1. Data Science
Bootcamp
Marc de FORSANZ
Fabien HERRY
Prédiction de prix de vente sur une Marketplace

3. L’objectif : la prédiction du prix de vente.
Suggérer un prix pour un produit vendu par un particulier sur le site
Mercari.

4. 1,5 million de lignes et 6 variables explicatives.
● Nom de l’article:
● Etat de l’article:
● Catégorie:
● Marque:
● Prix:
● Frais de transport payés par le vendeur:
● Commentaires du vendeur:

5. ● Nom de l’article: ⭐ OPI – Did You Ear About Van Gogh ?
● Etat de l’article: 1
● Catégorie: Beauty/Makeup/Nails
● Marque: NaN
● Prix: 7 (y)
● Frais de transport payés
par le vendeur: 1
● Commentaires du vendeur: ❣ Brand New • Full Size • Authentic❣ ✨ In
this...
Des variables explicatives, sous forme de phrases.

6. 1.300 catégories de produit et 5.000 marques
différentes
● Etat de l’article: 5
● Catégorie: 1.287
● Marque: 4.809
● Frais de transport payés : 2
par le vendeur:

7. Un Préprocessing simple.
● Une variable explicative avec un % de valeurs manquantes très élevé
○ Marque : 42%
o Catégorie : 0,4%
● Pas de valeurs aberrantes
● Transformation du Prix en Log

8. Une étape importante de Text Processing.
Text Processing « pré-Deep Learning » Text Processing « pré-Machine
Learning »
• Création d’un dictionnaire pour les
contractions (ex : he’s)
• Idem
• Transformation des contractions en leur
forme complète (ex : he is)
• Idem
• Suppression des ponctuations (!?,…)
(« RegEx »)
• Idem
• « Stopwords » sur les articles (« nltk ») • Idem
• Tokenization -Encodage-Séquences-
Padding (« Keras »)
• « Bag of words » (Scikit-learn)

9. 3 modèles de Deep Learning et 4 modèles de
Machine Learning « classique ».
● Dataset réduit à la catégorie : Women/Athletic Apparel/
Pants,…
Modèles de « Deep Learning » Modèles de Machine Learning
« Classique »
• LSTM sur 2 variables avec « word
embedding »
• Régression Linéaire Multiple
• LSTM « bi-directionnel » sur 2
variables avec « word embedding »
• Ridge
• GRU « bi-directionnel » sur toutes les
variables avec « word embedding »
• Decision Tree
• XG boosting

10. Le modèle « GRU bi-directionnel » offre la meilleure prédiction.
Le métrique utilisé : RMSLE (Root Mean Squared Logarithmic
Error)
Modèles de « Deep Learning » Modèles de Machine Learning « Classique»
• LSTM sur 2 variables avec Word embedding
(0,422)
• Régression Linéaire Multiple (0,446)
• LSTM « bi-directionnel » sur 2 variables avec
Word embedding (0,409)
• Ridge (0,439)
• GRU « bi-directionnel » sur toutes les
variables avec Word embedding (0,385)
• Decision Tree (0,488)
• XG boosting (0,446)

11. Data Science
Bootcamp
Des questions ?