Доставка будущего

В городе будущего заказы доставляют пешие курьеры, велосипеды, автомобили и дроны. Требуется предсказать, сколько минут займёт доставка.

Задача

Это задача регрессии. Для каждого заказа из test.csv нужно предсказать delivery_time_minutes и загрузить CSV-файл с двумя столбцами:

ID,delivery_time_minutes
2026000001,38.7
2026000002,51.2

Порядок строк не важен, но каждый ID из теста должен встретиться ровно один раз. Время должно быть конечным числом. Пример оформления находится в sample_submission.csv.

Метрика

Решения сравниваются по MAE — средней абсолютной ошибке:

MAE = среднее значение |правильный ответ − прогноз|

Чем меньше MAE, тем лучше. Например, MAE = 6.4 означает, что модель в среднем ошибается примерно на 6.4 минуты.

Финальное место определяется по закрытой части тестовой выборки. Публичная часть составляет 40%, закрытая — 60%.

Данные

В нескольких столбцах встречаются пропуски. Наборы train и test получены из одного распределения, скрытых временных сдвигов нет.

Быстрый старт

1. Откройте baseline.ipynb.
2. Запустите ячейки сверху вниз.
3. Полученный submission.csv можно отправлять в проверяющую систему.

В baseline используются pandas, scikit-learn, ColumnTransformer, заполнение пропусков, OneHotEncoder и RandomForestRegressor.

Идеи для улучшения

• сравнить случайный лес с HistGradientBoostingRegressor;
• подобрать параметры модели через локальную валидацию;
• исследовать сочетания погоды и типа транспорта;
• добавить признаки вроде distance_km / typical_speed;
• оценить модель на нескольких разбиениях train/validation.