Решить задачу на машинное обучение

Вам предстоит предсказать цену жилой недвижимости в г. Москва. Задача заключается в разработке модели машинного обучения, которая определит цену объектов недвижимости по различным признакам недвижимости. Это задание поможет вам освоить основные принципы работы с регрессионными моделями.<div><br></div><div>Условие задачи</div><div>Вам предоставлены два набора данных: train.csv и test.csv. Набор данных test.csv будет использоваться для финального тестирования модели.</div><div><br></div><div>train.csv: содержит данные для обучения модели. Каждая строка представляет собой информацию об одном объекте недвижимости с ценой (price).</div><div><br></div><div>test.csv: содержит данные для тестирования модели, где необходимо предсказать цену объектов недвижимости. Тестовый набор также содержит поле index, которое не является признаком и служит исключительно для идентификации записей в финальном файле предсказаний.</div><div><br></div><div>Задача</div><div>Разработайте модель машинного обучения, используя библиотеки классического ML (например, sklearn, Logistic Regression, Random Forest, CatBoost или XGBoost.</div><div><br></div><div>Обучите модель на данных из train.csv, используя колонку price в качестве целевой переменной.</div><div><br></div><div>Используйте обученную модель для предсказания цены для данных из test.csv.</div><div><br></div><div>Сохраните предсказания в файл submission.csv в следующем формате:</div><div><br></div><div>Файл должен содержать два столбца:</div><div><br></div><div>index (значения индекса из test.csv)</div><div>price — предсказанные значения</div><div>Описание признаков</div><div>index – уникальный идентификатор записи. Используется для связи с исходными данными.</div><div>apartment_type – Тип квартиры (например, студия, однокомнатная, двухкомнатная).</div><div>metro_station – Ближайшая станция метро.</div><div>minutes_to_metro – Время пешком до ближайшей станции метро.</div><div>region – Регион расположения квартиры.</div><div>number_of_rooms – Количество комнат в квартире.</div><div>area – Общая площадь квартиры.</div><div>living_area – Жилая площадь квартиры.</div><div>kitchen_area – Площадь кухни.</div><div>floor – Этаж, на котором расположена квартира.</div><div>number_of_floors – Общее количество этажей в доме.</div><div>renovation – Наличие и тип ремонта.</div><div><br></div><div>Формат файла submission.csv</div><div>Файл должен содержать два столбца:</div><div>index — изначальные значения индекса из test.csv</div><div>price — предсказанные значения в виде положительного числа</div><div>Критерии оценки</div><div><br></div><div>Итоговый результат будет рассчитан на основе метрики MAPE на скрытых тестовых данных.</div>