создать, обучить и сравнить модели машинного обучения в библиотеках scikit-learn (можно только случайный лес и градиентый бустинг), h2o-3

1. По индивидуальному заданию (можно использовать использовать датасеты с Kaggle https://www.kaggle.com/datasets?fileType=csv или взять любой датасет из PyCaret, ссылка на блокнот приведена ниже), используя виртуальную машину в облачной платформе Google Colaboratory, создать, обучить и сравнить модели машинного обучения в библиотеках scikit-learn (можно только случайный лес и градиентый бустинг), h2o-3 (веб интерфейс Flow, localhost 54321, сделать скриншоты в Word), AutoGluon, PyCaret (или LightGBM, XGBoost, CatBoost по отдельности).

2. Провести прогнозирование ответа лучшей модели на новых данных.

Пример работы:https://colab.research.google.com/drive/1hFLpqJSdPEZ4xTJFpxGg1MIk01YuaxYT?usp=sharing

https://colab.research.google.com/drive/1H7jBvGZ8bRDh7CVICkDXxff9sIpQAmUZ?usp=sharing