Es wurden in diesem Projekt mehrere Herangehensweisen getestet. Das Model wurde mit verschiedenen Feature-Sets und verschiedenen Algorithmen aufgebaut. Linear Regression performte am besten mit dem Polynomial Feature Set, was darauf schließen läßt, dass es nicht-lineare Zusammenhänge zwischen Variablen und Ziel gibt. Daher konnte der komplexere Algorithmus die Vorhersage nochmal bedeutend verbessern. Perfekt ist sie allerdings noch nicht. Dies könnte darauf hinweisen, dass es, außer den bekannten Variablen doch noch weitere Aspekte geben muss, die nicht erfasst wurden oder auch nicht erfasst werden können. Dies könnte in einem neuen Projekt mit neuen Daten getestet werden. Man könnte Händler und Käufer fragen, wie attraktiv sie den Stein finden und diese Aussage versuchen, numerisch zu fassen und in den Datensatz aufzunehmen.