# импорт библиотеки pandas import pandas as pd # импорт метода train_test_split from sklearn.model_selection import train_test_split # создание константы RANDOM_STATE RANDOM_STATE = 42 # считывание CSV-файла в датафрейм pandas, сохранение признаков df = pd.read_csv(‘real_estate_clean.csv’) X = df.drop(‘price’, axis=1) y = df[‘price’] # разделение на тренировочную и тестовую выборки X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.75, random_state=RANDOM_STATE) # вывод

В данной задаче мы импортируем библиотеку pandas, а также метод train_test_split из sklearn.model_selection. Затем мы считываем CSV-файл ‘real_estate_clean.csv’ в DataFrame и сохраняем признаки в переменную X, а целевую переменную (цены недвижимости) – в переменную y.

Далее мы используем метод train_test_split для разделения данных на тренировочную и тестовую выборки. Указываем параметр train_size=0.75, что означает, что 75% данных будет использоваться для тренировки модели, а 25% – для тестирования.

Затем полученные выборки X_train, X_test, y_train и y_test выводим для проверки правильности разделения данных.

Не более 1000-1500 символов или меньше