Voltline Dealership

Описание задачи

Контекст

На дворе 2077 год, и в дилерском центре Voltline старое оборудование «Price-Sync» окончательно вышло из строя. Без него автосалон больше не может устанавливать цены на автомобили. Ваша миссия? Построить модель машинного обучения, которая сможет предсказывать цены на автомобили, используя исторические данные о продажах.

В вашем распоряжении два файла:

train.csv – полная информация об автомобилях
test.csv – та же информация, но без колонки price

Это задача регрессии: ваша модель будет предсказывать непрерывное число — цену автомобиля.

Набор данных

Колонка	Тип	Описание
CarID	int	Уникальный идентификатор каждого автомобиля
CarName	object	Название модели
symboling	float	Рейтинг страхового риска
fueltype	object	Тип топлива (например: gas, diesel)
aspiration	object	Тип впуска двигателя (например: standard, turbo)
doornumber	object	Количество дверей (например: two, four)
carbody	object	Тип кузова (например: sedan, hatchback, convertible)
drivewheel	object	Тип привода (например: fwd, rwd, 4wd)
enginelocation	object	Расположение двигателя (например: front, rear)
wheelbase	float	Колесная база
carlength	float	Общая длина автомобиля
carwidth	float	Общая ширина автомобиля
carheight	float	Общая высота автомобиля
curbweight	float	Снаряженная масса автомобиля
enginetype	object	Тип двигателя (например: ohc, dohc, rotor)
cylindernumber	object	Количество цилиндров (например: four, six)
enginesize	int	Объем двигателя
fuelsystem	object	Система питания (например: mpfi, 2bbl)
boreratio	float	Диаметр цилиндра
stroke	float	Ход поршня
compressionratio	float	Степень сжатия
horsepower	int	Мощность двигателя в лошадиных силах
peakrpm	int	Максимальные обороты двигателя
citympg	float	Эффективность расхода топлива в городе
highwaympg	float	Эффективность расхода топлива на трассе
price	float	Цена автомобиля (целевая переменная)

Задания

Для решения этой проблемы вам необходимо выполнить 3 задачи.

Задача 1 – Самый частый тип двигателя (10 баллов)

Найдите значение enginetype, которое чаще всего встречается в обучающем наборе данных.

Задача 2 – Средняя цена бензиновых автомобилей (20 баллов)

Рассчитайте среднее значение колонки price для всех автомобилей, использующих gas в качестве топлива, из обучающего набора. Результат должен быть округлен до 2 знаков после запятой.

Задача 3 – Предсказание цен (70 баллов)

Постройте модель регрессии, которая предсказывает price на основе информации, доступной в train.csv.

Сгенерируйте предсказания для каждого автомобиля из test.csv.

Оценка

Задача 1 и Задача 2 оцениваются по точному совпадению.
Задача 3 оценивается с использованием метрики R² Score:
- R² ≥ 0.95 → 70 баллов
- R² ≤ 0.80 → 0 баллов
- Промежуточные значения получают баллы пропорционально

Формат отправки

Файл submission.csv должен содержать следующие колонки:

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

где:

subtaskID - 1, 2 или 3
datapointID - 1 для Задачи 1 и Задачи 2; значение CarID из теста для Задачи 3
answer - зависит от задачи:
- Задача 1: тип двигателя (string)
- Задача 2: средняя цена, округленная до 2 знаков после запятой
- Задача 3: предсказанная цена

Источник датасета: https://www.kaggle.com/datasets/imgowthamg/car-price/data

Файлы

Скачать файлы задачи

Отправить решение

Загрузите файл с результатами вручную. Также можно приложить исходный код.Не более 100 МБ в сумме

Файл решения

Нажмите для загрузки или перетащите файл

CSV, ZIP и др. (МАКС. 100МБ)

Файл исходного кода (необязательно)

Нажмите для загрузки или перетащите файл

Архив, блокнот или файл кода

Войдите, чтобы загрузить решение.

ИЛИ

Работайте и отправляйте решения из Google Colab

Откройте блокнот, подготовленный для этой задачи. Первая ячейка подключает задачу и загружает доступные данные; когда решение будет готово, отправьте файлы на проверку прямо из блокнота.

Решения из Colab используют тот же модуль проверки и те же лимиты. Следите за результатом в разделе «Мои решения».

MLCompete может получить доступ только к блокноту, который создаёт в вашем Google Drive, но не к другим файлам.

Не открывается? Используйте временный код

Создайте код здесь, откройте публичный блокнот и введите код, когда его запросит первая ячейка.

Сначала войдите в MLCompete, чтобы создать код рабочего пространства.

Открыть публичный блокнот в Colab

Вставьте код рабочего пространства только тогда, когда блокнот его запросит. Никому его не сообщайте.

Voltline Dealership - Сложность: EASY