假設你是一家房地產公司的數據科學家，該公司在不同的城市擁有多個建築投資，你的任務是預測房價。

你需要使用提供的房屋資料集，該資料集包括物業的各種屬性，如房屋類別、地點、樓層等等，以及它們的實際房價。你需要使用這些資料訓練一個模型，並根據模型對未知房屋的特徵進行預測，以獲得最高的準確率。

比賽的評估標準是平均絕對誤差（MAE），即實際房價和預測房價之間的差距。你的任務是儘可能減少這種差距，以獲得更好的比賽成績。

**作業內容**
- 本次作業要求同學使用 Python 撰寫（Google Colab 或者 Jupyter Notebook），使用提供的房屋資料集，進行月租金的預測
- 資料已幫各位同學整理完成，請參考 Data 頁面說明
- 完成書面報告，其中至少應包含實驗方法、實驗結果與分析，報告請不要超過 5 頁，並同時註明程式碼參考來源

**作業繳交**
需要繳交之檔案如下：
- 至 Kaggle 上傳租金預測的 csv，檔名為：學號_姓名.csv，每日限制上傳 csv 至 Kaggle 5 次，可選擇最多 2 份結果為最終答案
- 請於 4/23 23:55 前至雲端資料夾上傳你的壓縮檔案，需包含書面報告（pdf）、程式碼（ipynb）以及該程式碼會使用到的所有檔案

>`壓縮檔案檔名為：學號_姓名.zip`  
>`程式碼檔名為：學號_姓名.ipynb`
>`書面報告檔名為：學號_姓名.pdf`

**注意事項**
若對於作業有任何疑問可以至 FB 社團作業貼文下方留言，方便有重複問題的同學參考，若仍有問題可直接透過 FB 社團聯繫助教。