🎮 Прогнозирование мировых продаж видеоигр

Кратко: Обучите модель регрессии, которая на основе жанра, платформы, года и издателя предскажет объем мировых продаж игры (Global_Sales).

📌 Описание задачи

Индустрия видеоигр — это многомиллиардный рынок, где успех проекта зависит от множества факторов: от популярности платформы до репутации издателя и жанровых трендов. Однако создание игр сопряжено с высокими финансовыми рисками.

В этом соревновании вы выступаете в роли Data Scientist'а игрового издательства. Ваша цель — построить модель машинного обучения, способную предсказать суммарный мировой тираж игры (Global_Sales, в миллионах проданных копий) на этапе планирования релиза.

📂 Описание данных

Вам предоставлены реальные исторические данные о продажах более чем 16 000 видеоигр:

Файлы для скачивания:

• 📄 train.csv — обучающая выборка со всеми признаками и целевой переменной.
• 📄 test.csv — тестовая выборка (только признаки, продажи скрыты).
• 📄 sample_submission.csv — пример файла с решением в корректном формате.

📐 Метрика оценки

Оценка качества моделей участников производится с использованием метрики Root Mean Squared Error (RMSE) — корня из среднеквадратичной ошибки:

где:

• $N$ — общее количество объектов в тестовой выборке;
• $y_i$ — истинное значение мировых продаж $i$-й игры (Global_Sales в млн копий);
• $\hat{y}_i$ — предсказанное значение продаж для $i$-й игры.

Цель оптимизации: $\text{RMSE} \longrightarrow \min$

Примечание: Штраф за ошибку растет квадратично, поэтому для получения высокого места на лидерборде модели особенно важно не допускать сильных промахов на играх-блокбастерах с высокими продажами.

📤 Формат решения (Submission)

Файл с ответом должен быть в формате CSV и содержать ровно две колонки:

1. id — ID игры из test.csv.
2. Global_Sales — ваш прогноз продаж (в млн копий).

id,Global_Sales
14,0.45
29,1.12
33,0.08
...