작업형2

[가격 예측] 중고 자동차

• 자동차 가격을 예측해주세요!

• 예측할 값(y): price
• 평가: RMSE (Root Mean Squared Error)
• data: train.csv, test.csv
• 제출 형식: result.csv파일을 아래와 같은 형식(수치형)으로 제출

pred
11000
20500
19610
...
11995

답안 제출 참고

• pd.read_csv('result.csv') 로 제출 코드 확인

# 데이터 불러오기
import pandas as pd

train = pd.read_csv("")
test = pd.read_csv("")

# 데이터 크기 확인
train.shape, test.shape

# 샘플 확인 (시험환경에서는 display 대신 print 활용)
display(train.head(3))
display(test.head(3))

train.info()

# 기초 통계값 확인
train.describe()
test.describe()

train.describe(include='O')
test.describe(include='O')

test['transmission'].value_counts()
train['price'].hist()

display(train.isnull().sum())
display(test.isnull().sum())

y_train = train.pop("price")

cols = ['year', 'mileage', 'tax', 'mpg', 'engineSize']
train = train[cols]
test = test[cols]

from sklearn.model_selection import train_test_split
X_tr, X_val, y_tr, y_val = train_test_split(train, y_train, test_size=0.2, random_state=2022)
X_tr.shape, X_val.shape, y_tr.shape, y_val.shape

from sklearn.ensemble import RandomForestRegressor
rf = RandomForestRegressor()
rf.fit(X_tr, y_tr)
pred = rf.predict(X_val)

from sklearn.metrics import mean_squared_error
def rmse(y_true, y_pred):
    return mean_squared_error(y_true, y_pred)**0.5
    
    rmse(y_val, pred)
    

pred = rf.predict(test)
result = pd.DataFrame({
    'pred':pred
})
result.to_csv("result.csv", index=False)
pd.read_csv('result.csv')