В статье пошагово разбирают базовый ML-пайплайн на задаче прогнозирования стоимости жилья: от анализа датасета и очистки признаков до обучения моделей и оценки качества.
Внутри — Pandas, Seaborn, корреляции, выбросы,
train_test_split, линейная регрессия, дерево решений и метрики MAE, RMSE и R².⛓️ Читать статью
tags: #статья
➡ Data Scientist | Чат