В представленной статье алгоритмы машинного обучения используются для прогнозирования цен автомобилей. Прогнозирование цен на автомобили является одним из наиболее важных вопросов в наше время, ведь количество пользователей автомобиля увеличивается с каждым годом во всем мире. Поэтому многим автовладельцам интересно заранее узнать приблизительную цену автомобилей. Дата сборки автомобиля, пробег, размер и другие параметры являются важными данными для процесса машинного обучения. На основе этих параметров были классифицированы данные, необходимые для прогнозирования цены любого автомобиля, и создан обучающий набор данных. На основе этого набора данных были сделаны некоторые интересные прогнозы. Цель статьи – рассмотреть предварительную обработку данных, определить и проанализировать, каких достижений добилось направление искусственного интеллекта на основе прогнозирования цены автомобилей. В исследовании использовались гибридные методы прогнозирования с использованием статистического анализа и методов машинного обучения.
Ключевые слова: машинное обучение, задача классификации, логистическая регрессия, случайный лес, дерево принятия решений, k-ближайших соседей, REST API.
