Kaggle-Competition: Predicting Diamonds Prices

¡¡¡Empieza la competición!!!

Para poder obtener el mejor modelo de predicción de precios de diamantes hemos seguido los siguientes pasos:

• 1. Descargamos los archivos Diamonds_train.csv y Diamonds_test.csv con los que vamos a trabajar para entrenar nuestros modelos

• 2. Hacemos varios tipos de limpieza y tratado de datos como normalizar y estandarizar, get_dummies, borrado de columnas entre otros.

• 3. Entrenamos nuestros modelos. En este caso hemos utilizado:
  - sklearn.ensemble.RandomForestRegressor.
  - sklearn.linear_model.LinearRegression.
  - sklearn.ensemble.GradientBoostingRegressor.
  Primero hemos entrenado con diamonds_train.csv dividido en 80% train y 20% test y despues con el 100% como train.

• 4. Por último aplicamos a nuestro modelo entrenado diamonds_test.csv tratado de la misma forma que diamonds_train.csv. Hacemos la predicción del precio, lo convertimos a csv y lo subimos a Kaggle para ver si nuestros resutados son los esperados.

Carpetas:

• Inputs: encontramos los archivos.csv.
• src: archivo jupyter notebook con el código.
• Outputs: los archivos.csv con los resultados de las predicciones.