Ваш первый ML-проект: от начала до конца
Это итоговый проект курса. На протяжении курса вы по отдельности изучали данные, очистку, признаки, разбиение выборки, модели, метрики и переобучение. Теперь мы соберём каждую из этих идей в один настоящий проект — прогноз цен на квартиры в Бишкеке — и пройдём его от пустой папки до честного, законченного результата. Когда вы сможете самостоятельно пройти весь этот цикл, вы станете практиком машинного обучения (machine learning), а не просто читателем.
Цели обучения
К концу этого урока вы сможете:
- Превратить расплывчатое желание («угадать цены на квартиры») в точную задачу ML: регрессию с чётко заданной целевой переменной (target).
- Осмотреть сырой набор данных и заметить пропущенные значения, дубликаты и абсурдные выбросы (outliers).
- Очистить данные и построить полезные признаки (one-hot районы, расстояние до центра, проверку цены за м² на здравый смысл).
- Разбить данные 80/20 до масштабирования, чтобы никогда не допустить утечки тестовой выборки.
- Построить базовую модель (baseline), затем LinearRegression, затем RandomForest, и сравнить их по MAE и RMSE.
- Диагностировать пере- и недообучение по разрыву между обучением и тестом, улучшить модель за одну итерацию и проверить реальные прогнозы на здравый смысл.
- Честно сообщать результаты, понимать, что такое развёртывание (deployment) и мониторинг, и повторно использовать чек-лист в любом будущем проекте.