Как предсказывать рынок, если вы не Data Scientist 🔮📈
Часть 2

В части 1 я рассказывала, как собрать датафрейм и какой логикой руководствовалась.

📌Напомню: мы предсказываем объём рынка недвижимости на следующий месяц.
✔️Датафрейм собрали.
❓Что дальше?
Дальше — открываем ChatGPT.

✏️Пишем промпт: какие у нас есть данные + примеры этих данных + что именно хотим предсказывать.

Я попросила GPT нагенерить три модельки, чтобы сравнить:
🟡Linear Regression
🟡CatBoost
🟡Random Forest
Запустила их на своём датафрейме.

Как проверить, какая модель лучше?
1️⃣ Метрики качества моделей:
MAE (средняя абсолютная ошибка)
RMSE (среднеквадратичная ошибка)
MAPE (средняя процентная ошибка)
R² (доля объяснённой вариации)
Я просто попросила у ChatGPT сгенерировать код для расчёта этих метрик, запустила его — и потом закинула результаты обратно, чтобы он помог интерпретировать.
2️⃣ Проверка на реальных данных:
Я убрала из датафрейма последние 3 месяца и сравнила, что модель «предскажет» с тем, что реально произошло.

✨Дальше — эксперименты
добавить лаги в признаки (и поиграться с их количеством),
попробовать новые фичи (например, я сначала добавила год, но он шумел → оставила только месяц),
построить waterfall-график чтобы понять, какие фичи самые важные.

3️⃣ Ещё один эксперимент — убрать из данных целый последний год, прогнать все три модели и сравнить результат.
💡Победителя и используем.

И вот мы уже почти как настоящие оракулы — знаем, что будет на рынке в следующем месяце 😁

Пс добавила новые реакции, тыкаем не стесняемся 🙂

#полезное