car-price-prediction

Проект предзначен для предсказания стоимости автомобиля по его характеристикам. Обучена модель инференс которой реализуется через сервис написанный на FastAPI.

В рамках проекта было проделано следующее:

1. Очищены входные данные
2. Заполнены пропуски
3. Проведён EDA
4. Категориальные признакие преобразованы с помощью OHE
5. Обучена Линейная регрессия c линейной комбинацией l1 и l2 регуляризаций (ElasticNet): подбор гиперпараметров осуществлялся на кросс-валидации по 10 фолдам

Полученные метрики:

• R2: 0.818
• MSE: 1.05e+11
• доля предиктов, отличающихся от реальных цен на эти авто не более чем на 10%: 0.281

Что помогло прирасти в метрике

Хороший буст дало логарифмирование таргета (+0.2 R2), поскольку изначально у целевой переменной был длинный хвост, что приводило к переобучению и мешало генерализации это сильно сказалось на качестве

Выводы

Модель обладает неплохим качеством с точки зрения R2, но всё ещё является бейзлайном который явно можно улучшить за счёт более качественного фича инжиниринга.