Primera competición dentro de Ironhack para ver quien se aproximaba más al valor real. La base de datos consistia en:

• data.csv: training set (Para entrenar nuestro modelo)
• test.csv: test set (Para hacer predicciones)

las Features:

• id: only for test & sample submission files, id for prediction sample identification
• price: price in USD
• carat: weight of the diamond
• cut: quality of the cut (Fair, Good, Very Good, Premium, Ideal)
• color: diamond colour, from J (worst) to D (best)
• clarity: a measurement of how clear the diamond is (I1 (worst), SI2, SI1, VS2, VS1, VVS2, VVS1, IF (best))
• x: length in mm
• y: width in mm
• z: depth in mm
• depth: total depth percentage = z / mean(x, y) = 2 * z / (x + y) Valores:(43--79)
• table: width of top of diamond relative to widest point Valores:(43--95)

Aplicación del modelo random forest, tras el analisis inicial de la base de datos.

NOTA: Al eliminar los datos atípicos el modelo mejora las predicciones dentro del código pero al pasarlo a Kaggle empeora los mismos.