Самостоятельный аналитический проект по прогнозированию стоимости жилой недвижимости на Python. Использованы данные о 21 613 продажах домов в округе Кинг, США. Цель работы — определить характеристики, наиболее связанные с ценой, построить несколько регрессионных моделей и сравнить качество прогноза. Выполнено: — очистка данных, удаление служебных столбцов и заполнение пропусков; — исследовательский анализ распределений и взаимосвязей; — сравнение цен домов с waterfront и без него; — анализ зависимости цены от площади, состояния, класса дома и других признаков; — построение линейной регрессии по отдельным и нескольким признакам; — создание pipeline со стандартизацией и полиномиальными признаками; — разделение данных на обучающую и тестовую выборки; — построение Ridge-регрессии и оценка моделей по коэффициенту R². Результаты: — линейная модель по нескольким признакам: R² = 0,658; — полиномиальный pipeline: R² = 0,751; — Ridge на тестовой выборке: R² = 0,650; — полиномиальная Ridge на тестовой выборке: R² = 0,747. Лучший результат на тестовых данных показала полиномиальная Ridge-регрессия. Проект демонстрирует полный цикл работы: от подготовки данных и визуального анализа до построения, проверки и сравнения моделей прогнозирования.