Прогнозиране на средната дневна температура

🌡️ Прогнозиране на средната дневна температура

Описание на задачата

Желае се изграждането на модел за регресия, който да прогнозира средната дневна температура в определен град, въз основа на метеорологични характеристики.

Всеки запис се характеризира със следните атрибути:

• humidity – относителна влажност (%)
• wind_speed – скорост на вятъра (км/ч)
• pressure – атмосферно налягане (hPa)
• rainfall – количество валежи (мм)
• cloud_cover – облачност (%)
• solar_radiation – слънчева радиация (W/m²)
• day_of_year – ден от годината (1–365)

Етикетът (целевата колона) е:

• temperature – средна дневна температура (°C)

Тази задача принадлежи към категорията непрекъсната регресия.

---

📘 Структура на входните файлове

train.csv

Съдържа всички колони с features плюс целевата колона temperature.
Стойностите са непрекъснати числови.

SampleID	humidity	wind_speed	pressure	rainfall	cloud_cover	solar_radiation	day_of_year	temperature
1	70.0	15.0	1015.0	2.0	50	500.0	1	22.5
2	65.0	10.0	1018.0	0.0	20	650.0	2	24.0
3	80.0	5.0	1012.0	5.0	80	200.0	3	19.0

test.csv

Съдържа същите колони без temperature, но включва SampleID.

SampleID	humidity	wind_speed	pressure	rainfall	cloud_cover	solar_radiation	day_of_year
101	75.0	12.0	1016.0	1.0	60	550.0	101
102	60.0	8.0	1019.0	0.0	10	700.0	102

---

📤 Подаване

Изходният файл (submission.csv) трябва да съдържа точно две колони:

• SampleID
• temperature – прогнозираната от модела стойност (float, °C)

SampleID	temperature
101	23.5
102	25.1
103	21.8

---

⚙️ Оценяване

Оценяването на моделите ще се извърши с използване на Root Mean Squared Error (RMSE):

където:

• N е броят на примерите от тестовия набор
• y_i е реалната стойност на температурата
• ŷ_i е прогнозираната от модела стойност

RMSE предоставя мярка за средното квадратично отклонение между прогнозите и реалните стойности, изразена в същата единица като целта (°C).
По-нисък RMSE резултат показва по-точен модел.

---

📊 Източник

Наборът от данни е синтетичен набор, вдъхновен от реални метеорологични данни.