📝 Predicția performanței școlare

📘 Descrierea problemei

Se dorește construirea unui model de regresie care să prezică scorul final la examen (Exam_Score) pe baza unor factori academici, sociali și personali ai elevilor.

Modelul primește un set de caracteristici (features) și trebuie să estimeze o valoare numerică continuă.

🔹 Caracteristici (features)

Fiecare instanță conține mai multe variabile, precum:

• StudyHours
• Attendance
• ParentalInvolvement
• HealthStatus
• ... (alte coloane existente în dataset)

Eticheta țintă:

• Exam_Score — scorul numeric obținut la examen

📘 Structura fișierelor de intrare

train.csv

Conține toate caracteristicile + eticheta țintă.

Coloane obligatorii:

• SampleID
• diverse features (categorice + numerice)
• Exam_Score

Exemplu:

test.csv

Are aceeași structură ca train.csv, dar fără coloana Exam_Score, deoarece acesta trebuie prezis.

Exemplu:

📤 Submisia

Fișierul submission.csv trebuie să conțină exact două coloane:

• SampleID
• Exam_Score — predicția modelului

Exemplu:

⚙️ Evaluarea

Evaluarea modelelor se face cu două valori:

• Partial RMSE – folosind 50% din date
• Complete RMSE – folosind toate datele

Apoi RMSE este convertit într-un scor 0–100 printr-o interpolare liniară:

• RMSE mic => scor mare
• RMSE mare => scor mic

Modelul ideal (RMSE = 0) obține scorul maxim de 100.

📊 Sursa datelor

Datasetul este generat pe baza setului de date public de pe Kaggle: Student Performance Factors Dataset