Voltline Dealership

Voltline Dealership

Контекст

Годината е 2077, а в представителството на Voltline старият хардуер „Price-Sync“ се е повредил окончателно. Без него представителството няма как да определя цените на автомобилите. Твоята мисия? Изгради модел за машинно обучение, който може да предвиди цената на автомобилите, използвайки исторически данни за продажбите.

На разположение имаш два файла:

• train.csv – пълна информация за автомобилите
• test.csv – същата информация, но без колоната price

Това е проблем за регресия: твоят модел ще предвижда непрекъснато число - цената на автомобила.

Набор от данни

Изисквания

За тази задача трябва да решиш 3 подзадачи.

Task 1 – Най-често срещан тип двигател (10 точки)

Намери стойността на enginetype, която се появява най-често в тренировъчния набор.

Task 2 – Средна цена на бензиновите автомобили (20 точки)

Изчисли средната стойност на колоната price за всички автомобили, които използват gas като гориво, от тренировъчния набор. Резултатът трябва да бъде закръглен до 2 знака след десетичната запетая.

Task 3 – Предвиждане на цените (70 точки)

Изгради регресионен модел, който предвижда price въз основа на наличната информация в train.csv.

Генерирай предвиждания за всеки автомобил в test.csv.

Оценяване

• Task 1 и Task 2 се оценяват чрез точно съвпадение.
• Task 3 се оценява чрез R² Score:
  • R² ≥ 0.95 → 70 точки
  • R² ≤ 0.80 → 0 точки
  • Междинните стойности получават пропорционален брой точки

Формат на изпращане

Файлът submission.csv трябва да съдържа следните колони:

1subtaskID,datapointID,answer21,1,ohc32,1,12728.0643,436,19811.053,441,16306.0

където:

• subtaskID - 1, 2 или 3
• datapointID - 1 за Task 1 и Task 2; стойността на CarID от теста за Task 3
• answer - зависи от задачата:
  • Task 1: тип двигател (string)
  • Task 2: средна цена, закръглена до 2 знака след десетичната запетая
  • Task 3: предвидена цена

Източник на набора от данни: https://www.kaggle.com/datasets/imgowthamg/car-price/data