پیش‌بینی قیمت خانه با رگرسیون

هدف و راهنمای انجام

شناخت مسئلهٔ رگرسیون، جداسازی train و test و گزارش MAE

ورودی

request.json شامل train، test، features و target است؛ train قیمت را دارد و test فقط ویژگی‌ها را دارد.

خروجی

result.json با predictions برای تمام سطرهای test؛ مقدارها باید عددی باشند.

1. request.json و دادهٔ train/test را بخوان.
2. دادهٔ آموزش و آزمون را جدا نگه دار و ویژگی‌ها را عددی کن.
3. یک رگرسیون خطی یا مدل همسایه‌ای بساز و روی train کامل آموزش بده.
4. MAE را روی test محاسبه و predictions را در result.json ذخیره کن.

قیمت هدف را از ویژگی‌های test استخراج نکن؛ test شبیه دادهٔ واقعی آینده است.

مثال ورودی و خروجی

{
    "input": {
        "train": "housing.csv با ستون price",
        "test": "سطرهای بدون price"
    },
    "output": "predictions"
}

معیارهای موفقیت

• تعداد predictions با test برابر است
• هیچ برچسبی از test برای آموزش استفاده نمی‌شود
• MAE روی دو تقسیم تصادفی از حد پذیرش کمتر است

کتابخانه‌ها: pandas, numpy