V nastoqschee wremq ob#em prodazh i wyruchka po kazhdomu otdel'nomu towaru otslezhiwaütsq krupnymi uprawlqüschimi centrami supermarketow, izwestnymi kak Big Marts, s cel'ü prognozirowaniq wozmozhnogo wnutrennego potrebleniq i peresmotra uprawleniq zapasami. Pri issledowanii serwera bazy dannyh hranilischa dannyh chasto obnaruzhiwaütsq nesootwetstwiq i obschie zakonomernosti. Jeta statistika mozhet byt' ispol'zowana takimi kompaniqmi, kak Big Mart, dlq prognozirowaniq potencial'nyh prodazh produkcii s pomosch'ü razlichnyh metodow mashinnogo obucheniq. V dannom proekte my ispol'zowali neskol'ko algoritmow mashinnogo obucheniq, takih kak linejnaq regressiq, grebnewaq regressiq, regressiq Lasso, regressiq derewa reshenij, regressiq sluchajnogo lesa, regressiq wektora podderzhki, regressiq Adaboost, regressiq XGBoost, dlq prognozirowaniq prodazh towarow w Big Mart. My zametili, chto iz wseh perechislennyh algoritmow regressiq XGBoost luchshe wsego rabotaet pri prognozirowanii ob#ema prodazh. Poätomu my sozdali model' s ispol'zowaniem XGBoost Regression i nastroili ee dlq dal'nejshego powysheniq tochnosti.