📊 Определение стоимости автомобилей

🧭 Что такое проект

Поздравляем! 🎉
Вы успешно прошли курс в тренажёре. Самое время проверить знания и решить новую задачу машинного обучения. Выполнять работу будете самостоятельно.

Когда закончите, отправьте её на проверку ревьюеру: он пришлёт комментарии в течение суток. После этого нужно доработать проект и пройти повторную проверку.

Скорее всего, вы будете дорабатывать кейс по комментариям ещё несколько раз. Это нормально.

Проект завершён, когда ревьюер одобрит все доработки.

📌 Описание проекта

Сервис по продаже автомобилей с пробегом «Не бит, не крашен» разрабатывает приложение, чтобы привлечь новых клиентов. В нём можно будет узнать рыночную стоимость своего автомобиля.

Постройте модель, которая умеет её определять. В вашем распоряжении данные о технических характеристиках, комплектации и ценах других автомобилей.

Критерии, которые важны заказчику:

• качество предсказания;
• время обучения модели;
• время предсказания модели.

📋 Инструкция по выполнению проекта

Чтобы усилить исследование, не ограничивайтесь градиентным бустингом. Попробуйте более простые модели — иногда они работают лучше. Эти редкие случаи легко пропустить, если всегда применять только бустинг.

Поэкспериментируйте и сравните характеристики моделей: время обучения, время предсказания, точность результата.

Основные шаги:

1. Загрузите данные, путь к файлу: /datasets/autos.csv.

2. Изучите данные. Заполните пропущенные значения и обработайте аномалии в столбцах. Если среди признаков имеются неинформативные, удалите их.

3. Подготовьте выборки для обучения моделей.

4. Обучите разные модели, одна из которых — LightGBM, как минимум одна — не бустинг. Для каждой модели попробуйте разные гиперпараметры.

5. Проанализируйте время обучения, время предсказания и качество моделей.

6. Опираясь на критерии заказчика, выберите лучшую модель, проверьте её качество на тестовой выборке.

Примечания

• Для оценки качества моделей применяйте метрику RMSE.
• Значение метрики RMSE должно быть меньше 2500.
• Самостоятельно освоите библиотеку LightGBM и её средствами постройте модели градиентного бустинга.
• Время выполнения ячейки кода Jupyter Notebook можно получить специальной командой. Найдите её.
• Модель градиентного бустинга может долго обучаться, поэтому измените у неё только два-три параметра.
• Если перестанет работать Jupyter Notebook, удалите лишние переменные оператором del.

del features_train

📁 Описание данных

Данные находятся в файле /datasets/autos.csv. Скачать датасет.

Признаки

Целевой признак

✅ Как будут проверять проект?

Мы подготовили критерии оценки проекта, которыми руководствуются ревьюеры. Прежде чем решать кейс, внимательно изучите их.

На что обращают внимание ревьюеры, проверяя проект:

🧠 Всё, что вам нужно знать, есть в шпаргалках и конспектах прошлых тем.

✨ Успеха!