Общее задание:
Использовать регрессию по варианту для данных из курсовой работы, самостоятельно сформулировав задачу.
Оценить, насколько хорошо она подходит для решения сформулированной вами задачи.

Задание по вариантам:
Тема: Анализ данных Top 240 Recommended Restaurants in L.A. 2023
Ссылка на датасет:
https://www.kaggle.com/datasets/lorentzyeung/top-240-recommended-restaurants-in-la-2023?resource=download&select=top+240+restaurants+recommanded+in+los+angeles+2.csv

Задача для регрессии: предсказать рейтинг ресторана по их мировому рейтингу, звездному рейтингу, количеству отзывов и стилю

Запуск приложения: запуск файла app.py

Использованные технологии:

Flask: Веб-фреймворк для создания веб-приложений на Python.
Pandas: Библиотека для обработки и анализа данных.
Scikit-learn: Библиотека для машинного обучения, в данном случае, используется для реализации алгоритма Лассо-регрессии.
Joblib: Используется для сохранения и загрузки модели машинного обучения.

Описание работы программы:

Загружаются данные из CSV-файла.
Выбираются нужные столбцы, и столбец "Style" кодируется с использованием One-Hot Encoding.
Данные разделяются на обучающий и тестовый наборы.
Обучается модель Лассо-регрессии.
Создается веб-приложение с использованием Flask.
HTML-страница содержит форму для ввода данных о ресторане.
Пользователь вводит данные (StarRating, NumberOfReviews, Style) и нажимает кнопку "Predict Rating".
Введенные данные преобразуются, и модель делает предсказание рейтинга ресторана.
Предсказанный рейтинг отображается на странице.

Пример входных данных:
StarRating: 4.3
NumberOfReviews: 2000
Style: American (New)

Пример выходных данных:
Предсказанный рейтинг: 3.8 (примерное значение, зависит от обученной модели и введенных данных).