{
  "fetched_at": "2026-10-20T05:28:17Z",
  "source_url": "https://www.kaggle.com/competitions/ai-academy-randomforest/data",
  "pages": [
    {
      "name": "data-description",
      "content": "Описание файлов (Dataset Description)\n\ndata_description.txt - описание каждого столбца (description for columns)\n\nsample_submission.csv - пример таблицы в том формате, в каком вам нужно присылать решение (an example of a table you need to send as a solution)\n\ntrain.csv - тренировочный датасет, включает в себя ответы (data for training model with answers)\n\ntest.csv - тестовый набор, к нему нужно сделать предсказание и отправить полученный ответ на kaggle, не содержит в себе колонку с целевым значением (data for testing model)",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "Тебе предстоит исследовать факторы цен на недвижимость. Кажется, что тут и думать нечего: близость к центру, число комнат и магазинов вокруг дома. Ты будешь удивлен, когда увидишь, по каким еще признакам можно выбирать жильё и что влияет на финальную стоимость домов! Твоя задача — предсказать окончательную цену каждого дома.\n_____________________________\n\nYou will explore the factors affecting real estate prices. It might seem like there isn’t much to consider — a central location, number of rooms and number of shops around. You will be surprised to see many more factors that affect a choice of housing and how ridiculously they can affect its final cost! Your task is to predict the final price of each house.\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "> English below\n\nДля каждого дома в наборе test необходимо спрогнозировать значение переменной SalePrice.\n\nОценивать результат мы будем при помощи метрики RMSE. Оценка покажет разницу между прогнозируемым значением и реальной ценой продажи. \n\nФайл с ответом должен иметь следующий формат.\nСначала строка с заголовками столбцов, затем значения для каждого дома в отдельной строке:\n\nId, SalePrice\n1461,169000.1\n1462,187724.1233\n1463,175221\nи т.д.\n\nТы можешь загрузить пример файла отправки (sample_submission.csv) на странице с данными (вкладка Data).\n\n_____________________________________\n\nFor each house in dataset “test” you should predict a value of the variable SalePrice.\nTo evaluate your result we use the RMSE metric. It helps figure out  the difference between the predicted and the actual selling price.\n\nYour file with the answer has to be in the following format. First, the row with the column’s heading, then the values ​​for each house Id on a separate row:\n\nId, SalePrice\n1461,169000.1\n1462,187724.1233\n1463,175221\netc.\n\nYou can download a sample_submission.csv file on the Data tab. ",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "This is a page where you can include rules that participants must accept before joining. You may wish to include rules like:\n\n - Don't cheat!\n - Apply yourself!\n - Have fun!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}