Авторы: Захаров Марк, Пузырёв Станислав

🏢 House Market Prices: Прогнозирование стоимости недвижимости

Добро пожаловать в соревнование House Market Prices!

Задача участников — разработать алгоритм машинного обучения для точного прогнозирования рыночной стоимости объектов недвижимости на основе их характеристик, локации и инфраструктурных параметров.

🎯 Цель соревнования

Построить модель регрессии, которая минимизирует ошибку предсказания цены квартиры (price). Датасет содержит реальные рыночные данные со сложной предобработкой: вам предстоит столкнуться с грязными текстовыми признаками, мультивалютными записями, шумом и пропусками.

📊 Описание данных

Вам предоставлены обучающий и тестовый наборы данных:

• train.csv — выборка для обучения модели, содержащая все признаки и целевую переменную price.
• test.csv — выборка для тестирования без целевой переменной price.
• sample_submission.csv — пример корректного формата сабмита.

Структура признаков

⚠️ Внимание: В обучающей выборке целевая переменная price представлена в трех валютах (USD, EUR, RUB). Курс валют:

• 1 EUR = 1.087 USD (или price_eur / 0.92)
• 1 RUB = 0.0111 USD (или price_rub / 90.0)

Предсказания в submission.csv должны быть строго в USD!

📐 Метрика оценки

Качество решений оценивается с помощью MAE (Mean Absolute Error):

где:

• $n$ — количество объектов в тестовой выборке,
• $y\_i$ — истинная стоимость квартиры в USD,
• $\hat\_i$ — предсказанная стоимость квартиры в USD.

🚀 Формат посылки (Submission)

Для каждого объекта из test.csv файл сабмита должен содержать две колонки: id и price.

Пример submission.csv:

id,price
0,85420.50
1,92100.00
2,105300.25