Определение стоимости автомобилей

HTML | ipynd

Сервис по продаже автомобилей с пробегом «Не бит, не крашен» разрабатывает приложение для привлечения новых клиентов. В нём можно быстро узнать рыночную стоимость своего автомобиля. В вашем распоряжении исторические данные: технические характеристики, комплектации и цены автомобилей. Вам нужно построить модель для определения стоимости.

Заказчику важны:

• качество предсказания;
• скорость предсказания;
• время обучения.

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, выберете лучшую модель, проверьте её качество на тестовой выборке.

Примечания:

• Для оценки качества моделей применяйте метрику RMSE.
• Значение метрики RMSE должно быть меньше 2500.
• Самостоятельно освойте 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.

Описание данных

Данные находятся в файле /datasets/autos.csv.

Признаки

1. DateCrawled — дата скачивания анкеты из базы
2. VehicleType — тип автомобильного кузова
3. RegistrationYear — год регистрации автомобиля
4. Gearbox — тип коробки передач
5. Power — мощность (л. с.)
6. Model — модель автомобиля
7. Kilometer — пробег (км)
8. RegistrationMonth — месяц регистрации автомобиля
9. FuelType — тип топлива
10. Brand — марка автомобиля
11. Repaired — была машина в ремонте или нет
12. DateCreated — дата создания анкеты
13. NumberOfPictures — количество фотографий автомобиля
14. PostalCode — почтовый индекс владельца анкеты (пользователя)
15. LastSeen — дата последней активности пользователя

Целевой признак

1. Price — цена (евро)