阿里天池AI大赛：二手车价格预测产品系统

二手车价格预测，说白了就是为了解决买卖双方心里都没底的问题。卖家怕卖亏，买家怕买贵，车商也怕收错车砸手里。以前全靠一张嘴砍价，现在大家想给这个混乱的市场找一把共同的“尺子”，让交易更透明，心里更有谱。

通过对预训练的数据进行数据预处理、特征工程提取、模型参数优化，最终的MAE控制在500以下，然后进行模型保存，模型部署，按照模版提供车辆的一些相关信息，通过模型进行评估计算给出最合理的价格，

1、读取训练集前5行，显示全部列，将这些列写到.md，然后对训练集进行eda
2、想对二手车价格进行训练，使用决策树 （depth=4），将决策树打印出来并可视化
3、根据打印出来的二手车价格的决策树，帮我分析决定二手车价格的关键特征，写入到 .md
4、编写python，帮我先做特征工程，使用训练集、测试集，这里需要考虑到 时间特征的处理，将特征工程处理好的结果写入到 .csv中
5、使用刚才处理后的数据集，使用CatBoost进行训练和预测，将预测结果写入到 .csv 表头是 SaleID 和 price
6、现在的特征工程是哪些，针对二手车价格预测以及你之前的 eda md，还有哪些有价值的特征工程，可以列出来以及置信度（0-100），写入到 .md
7、看下之前写过的 特征工程的 .py，在这个基础上进行完善，基于高优先级的，得到新的特征工程结果，保存到 .csv中
难点在于重要特征工程的提取，使用机器学习模型训练中的参数调优