Теперича, а может и давича, как вам угодно, но люди полюбили и облобызали нейронные сети окаянные. Я не разделяю этого подхода, потому, что нейронные сети - это не модель, а конкретно натренированный алгоритм на конкретные данные и мы не можем предсказать как он себя поведёт. А всё же нельзя просто так пройти мимо нейронных сетей и не попробовать. Будем использовать brain.js и скормим ей наши данные по авто. Массив у нас смешной, но попробуем предсказать цену. Для этого скормим все параметры. Чего уж там, мы же не знаем их скрытого влияния. Только закодируем полный привод цифрой 2, а передний единицей. Коробку автомат двойкой, вариатор тройкой, механику единицей, робот у нас будет четвёркой. И все данные опять нормируем по максимальному значению.
Запускаем обучение получаем цену 1104 тыс. Неточно. Максимальная цена на такой Rapid 1014 тыс. Ошиблись на 10%. Видимо, выборка мала. Потому, что при увеличении числа итераций и уменьшении порога ошибки - сеть " переобучается" и выдаёт худшие результаты. Возьмём для примера ещё одно авто. audi a3. Я беру такие авто, потому, что выборка нормирована по максимальной цене 1876 тыс. А какой-нибудь "Крузак" явно дороже (придётся переобучать сеть). Получилась цена 1651тыс. Неплохо. Реальная цена такой "A3" - 1679тыс. Ниже входные данные и результат:
