📱 Mobile Price Classification with Machine Learning

Bu proje, bir cep telefonunun donanımsal özelliklerine göre hangi fiyat aralığında olduğunu tahmin eden bir makine öğrenmesi modelidir.
Streamlit arayüzü ile kullanıcı, telefonun teknik özelliklerini girerek tahmini fiyat aralığını öğrenebilir.

🔍 Problem Tanımı

Cep telefonları farklı donanım seviyelerinde sunulur. Bu proje, çeşitli teknik özelliklere bakarak bir telefonun fiyat segmentini (0: en düşük, 3: en yüksek) sınıflandırmayı amaçlar.

📦 Kullanılan Veri Seti

Dataset: mobile_prices.csv
Sütun Sayısı: 21 (20 giriş + 1 hedef)
Hedef (target): price_range

🛠 Kullanılan Özellikler

battery_power, ram, px_height, px_width, fc, pc
bluetooth, dual_sim, four_g, three_g, wifi
n_cores, int_memory, mobile_wt
sc_h, sc_w, talk_time, clock_speed, touch_screen

🔧 Kullanılan Kütüphaneler

pandas
numpy
scikit-learn
streamlit
pickle

🤖 Model Bilgisi

Algoritma: RandomForestClassifier
Doğruluk: %X (eğitim sırasında çıktı)
Model dosyası: model.pkl

🚀 Nasıl Çalıştırılır?

1. Gerekli paketleri yükle:

pip install -r requirements.txt



Streamlit uygulamasını başlat
Demo (Opsiyonel)
Model Hugging Face'e yüklendiyse burada paylaşılabilir:

🔗 https://huggingface.co/yazodi


📦 Mobile Price Classification
 ┣ 📜 mobile_prices.csv
 ┣ 📜 model.pkl
 ┣ 📜 model.py
 ┣ 📜 app.py
 ┣ 📜 requirements.txt
 ┗ 📜 README.md



kendiniz olşturun
 Örnek Girdi (sample_input.json)

{
  "battery_power": 1200,
  "blue": 1,
  "clock_speed": 1.6,
  "dual_sim": 1,
  "fc": 5,
  "four_g": 1,
  "int_memory": 32,
  "mobile_wt": 150,
  "n_cores": 4,
  "pc": 13,
  "px_height": 800,
  "px_width": 1200,
  "ram": 2048,
  "sc_h": 14,
  "sc_w": 7,
  "talk_time": 10,
  "three_g": 1,
  "touch_screen": 1,
  "wifi": 1
}



📌 Notlar
Eğitim amaçlı hazırlanmıştır.

Gerçek ticari modellerde daha fazla veri ve hiperparametre optimizasyonu gerekebilir.


🪪 Lisans
MIT License