Интеллектуальный анализ данных цен процессоры

Аннотация

В статье рассматривается задача прогнозирования цен на процессоры с использованием методов машинного обучения. Авторы применяют различные алгоритмы, включая случайный лес (Random Forest), линейную регрессию (Linear Regression), XGBoost) и другие, сравнивая их эффективность на реальных данных. Особое внимание уделяется выбору значимых признаков, обработке данных и оценке точности моделей с помощью метрик (MAE, RMSE, R²). Результаты исследования демонстрируют, какие методы лучше подходят для прогнозирования цен и какие факторы наиболее сильно влияют на стоимость процессоров.