Решить задачу на машинное обучение

Вам предстоит предсказать цену жилой недвижимости в г. Москва. Задача заключается в разработке модели машинного обучения, которая определит цену объектов недвижимости по различным признакам недвижимости. Это задание поможет вам освоить основные принципы работы с регрессионными моделями.Условие задачиВам предоставлены два набора данных: train.csv и test.csv. Набор данных test.csv будет использоваться для финального тестирования модели.train.csv: содержит данные для обучения модели. Каждая строка представляет собой информацию об одном объекте недвижимости с ценой (price).test.csv: содержит данные для тестирования модели, где необходимо предсказать цену объектов недвижимости. Тестовый набор также содержит поле index, которое не является признаком и служит исключительно для идентификации записей в финальном файле предсказаний.ЗадачаРазработайте модель машинного обучения, используя библиотеки классического ML (например, sklearn, Logistic Regression, Random Forest, CatBoost или XGBoost.Обучите модель на данных из train.csv, используя колонку price в качестве целевой переменной.Используйте обученную модель для предсказания цены для данных из test.csv.Сохраните предсказания в файл submission.csv в следующем формате:Файл должен содержать два столбца:index (значения индекса из test.csv)price — предсказанные значенияОписание признаковindex – уникальный идентификатор записи. Используется для связи с исходными данными.apartment_type – Тип квартиры (например, студия, однокомнатная, двухкомнатная).metro_station – Ближайшая станция метро.minutes_to_metro – Время пешком до ближайшей станции метро.region – Регион расположения квартиры.number_of_rooms – Количество комнат в квартире.area – Общая площадь квартиры.living_area – Жилая площадь квартиры.kitchen_area – Площадь кухни.floor – Этаж, на котором расположена квартира.number_of_floors – Общее количество этажей в доме.renovation – Наличие и тип ремонта.Формат файла submission.csvФайл должен содержать два столбца:index — изначальные значения индекса из test.csvprice — предсказанные значения в виде положительного числаКритерии оценкиИтоговый результат будет рассчитан на основе метрики MAPE на скрытых тестовых данных.