## Задание
С помощью библиотечной реализации дерева решений решить задачу классификации на своих данных.

Мои данные представляют собой описание картин по номерам. Данные собираю с маркетплейса путем веб-скрапинга. Собранные данные буду использовать в дальнейшем для курсовой и дипломной работы.

Данные имеют следующие поля:
* Ссылка на изображение
* Размер
* Стоимость
* Средняя оценка по отзывам
* Количество отзывов
* Жанр
* Поджанр
* Фандом
* Персонаж

## Решение задачи классификации
Классифицировать данные буду на популярные и не популярные картины. Поэтому разбиваю все данные на основе кол-ва отзывов. Если отзывов меньше 100, то картина не популярна. Если больше, то популярна.

На вход подается размер и жанр картины, на выходе предсказание - популярно/не популярно.

## Скриншоты работы

![Alt text](скрин.png "Optional Title")

F1 мера - гармоническое среднее между точностью и полнотой. Она учитывает обе метрики и дает одно число, которое учитывает их обе.

F1-мера равна 0.74, она показывает то, что модель предсказывает популярность довольно хорошо.