Предсказание стоимости товаров на маркетплейсах по описанию

В данной работе строится модель машинного обучения для прогнозирования цены на основе текстовых описаний. Данные для обучения модели собирались с одного из известных маркетплейсов, ограничиваясь одной категорией – электроникой, в которой, в свою очередь встречается много подкатегорий. Такое ограничение позволило работать с относительно небольшим объемом данных на начальном этапе. Для обработки текста были применены разные методы: TF-IDF, Bag-of-Words, Word2Vec и BERT. Полученные числовые представления текстов затем были использованы в качестве признаков для решения задачи регрессии – предсказания цены. Кроме того, в качестве признака использовалась подкатегория товара. В качестве моделей машинного обучения использовались: линейная регрессия, случайный лес и различные бустинги. В результате был подобран оптимальный метод обработки текстовых описаний, который в комбинации с выбранной моделью дает наилучшие метрики, минимально ошибаясь в предсказании цены по текстовому описанию.