ML model training and prediction of income of oil well.
Допустим, мы работаем в добывающей компании «ГлавРосГосНефть». Нужно решить, где бурить новую скважину. Вам предоставлены пробы нефти в трёх регионах: в каждом 10 000 месторождений, где измерили качество нефти и объём её запасов. Постройте модель машинного обучения, которая поможет определить регион, где добыча принесёт наибольшую прибыль. Проанализируйте возможную прибыль и риски техникой Bootstrap. Шаги для выбора локации: В избранном регионе ищут месторождения, для каждого определяют значения признаков; Строят модель и оценивают объём запасов; Выбирают месторождения с самым высокими оценками значений. Количество месторождений зависит от бюджета компании и стоимости разработки одной скважины; Прибыль равна суммарной прибыли отобранных месторождений.
-
Загрузка и подготовка данных
-
Обучение и проверка модели
2.1 Обучение первой модели
2.2 Обучение второй модели
2.3 Обучение третьей модели
2.4 Выводы по обучению моделей
-
Подготовка к расчету прибыли
-
Расчет прибыли и рисков