В настоящее время объем продаж и выручка по каждому отдельному товару отслеживаются крупными управляющими центрами супермаркетов, известными как Big Marts, с целью прогнозирования возможного внутреннего потребления и пересмотра управления запасами. При исследовании сервера базы данных хранилища данных часто обнаруживаются несоответствия и общие закономерности. Эта статистика может быть использована такими компаниями, как Big Mart, для прогнозирования потенциальных продаж продукции с помощью различных методов машинного обучения. В данном проекте мы использовали несколько алгоритмов машинного обучения, таких как линейная регрессия, гребневая регрессия, регрессия Лассо, регрессия дерева решений, регрессия случайного леса, регрессия вектора поддержки, регрессия Adaboost, регрессия XGBoost, для прогнозирования продаж товаров в Big Mart. Мы заметили, что из всех перечисленных алгоритмов регрессия XGBoost лучше всего работает при прогнозировании объема продаж. Поэтому мы создали модель с использованием XGBoost Regression и нk