Biens analysés

153k

After cleaning

Prix médian

8.7M

PKR · For Sale

Prix max

PKR · outliers

Villes

Marchés distincts

Distribution par ville

Karachi 36%

Lahore 25%

Islamabad 22%

Rawalpindi 12%

Faisalabad 5%

Vente vs Location

72%

For Sale · 110 247 biens

28%

For Rent · 43 183 biens

Prix médian par ville (PKR)

Prix médian par ville · For Sale vs For Rent

Surface médiane (Marla)

Top quartiers (médiane prix)

Observations clés

Lahore = marché premium (médiane 16.5M PKR) malgré des surfaces similaires à Islamabad
Islamabad : écart médiane/moyenne énorme → forte présence de biens de luxe qui tirent la moyenne
DHA Defence est le quartier le plus cher et le plus représenté (20 932 biens, médiane 24.5M PKR)
Rawalpindi et Faisalabad : marchés accessibles, bon potentiel pour un modèle segmenté

Prix médian par type de bien (PKR)

Volume par type

Prix médian par nb de chambres · For Sale

Observations clés

House = 63% du dataset → le modèle sera principalement entraîné sur ce type
Farm House : médiane 37.5M PKR mais seulement 626 biens → risque d'overfitting sur ce segment
Rooms & Lower/Upper Portions : prix très bas (15k–50k PKR) → probablement des locations mal taggées
Progression quasi-linéaire du prix avec le nombre de chambres (1→7 chambres)

Matrice de corrélation avec le prix

INTERPRÉTATION

Bedrooms → Prix

r = 0.31 · corrélation modérée positive

Baths → Prix

r = 0.22 · proxy de standing

Area → Prix

r = 0.11 · surprenant ! La ville compte plus que la surface

Distribution des prix — quantiles

Signal fort pour le modèle ML

La corrélation faible entre surface et prix confirme que la localisation est la feature dominante
Bedrooms et baths sont très corrélés entre eux (r=0.66) → risque de multicolinéarité
Distribution très asymétrique → log-transformation du prix recommandée avant modélisation
50% des biens sous 8.7M PKR mais la moyenne à 18.4M → présence d'outliers extrêmes

Recommandations pipeline ML

01 · Preprocessing

→ log(price) comme target
→ Filtrer price > 0
→ Supprimer outliers > 99e percentile
→ Séparer vente / location

02 · Feature Engineering

→ Encoder city (Target Encoding)
→ Encoder location (fréquence + prix médian)
→ price_per_marla = price / area
→ ratio baths/bedrooms

03 · Modèle

→ XGBoost baseline
→ LightGBM (comparaison)
→ SHAP pour explicabilité
→ Validation croisée 5-fold

Segments recommandés

Modèle principal

House · For Sale · 3-5 chambres

Modèle appartements

Flat · Penthouse · Karachi + Lahore

Modèle location

For Rent · Features temporelles

Features les + prometteuses

Pakistan Real Estate — EDA Dashboard