Predikce školní výkonnosti

📝 Predikce školní výkonnosti

📘 Popis problému

Cílem je vybudovat model regrese, který bude predikovat finální skóre u zkoušky (Exam_Score) na základě akademických, sociálních a osobních faktorů studentů.

Model dostává sadu charakteristik (features) a musí odhadnout spojitou numerickou hodnotu.

---

🔹 Charakteristiky (features)

Každá instance obsahuje několik proměnných, například:

• StudyHours
• Attendance
• ParentalInvolvement
• HealthStatus
• ... (další sloupce existující v datasetu)

Cílový štítek:

• Exam_Score — numerické skóre získané u zkoušky

---

📘 Struktura vstupních souborů

train.csv

Obsahuje všechny charakteristiky + cílový štítek.

Povinné sloupce:

• SampleID
• různé features (kategorické + numerické)
• Exam_Score

Příklad:

SampleID	StudyHours	Attendance	ParentalInvolvement	...	Exam_Score
1	3.5	High	Medium	...	78
2	1.2	Low	Low	...	55
3	4.0	High	High	...	92

---

test.csv

Má stejnou strukturu jako train.csv, ale bez sloupce Exam_Score, protože ten je třeba predikovat.

Příklad:

SampleID	StudyHours	Attendance	ParentalInvolvement	...
101	3.0	High	Medium	...
102	0.7	Low	Low	...

---

📤 Odevzdání

Soubor submission.csv musí obsahovat přesně dva sloupce:

• SampleID
• Exam_Score — predikce modelu

Příklad:

SampleID	Exam_Score
101	81.2
102	49.7

---

⚙️ Hodnocení

Hodnocení modelů se provádí pomocí dvou hodnot:

• Partial RMSE – použitím 50% dat
• Complete RMSE – použitím všech dat

Poté je RMSE převedeno na skóre 0–100 pomocí lineární interpolace:

• Malé RMSE => vysoké skóre
• Velké RMSE => nízké skóre

Ideální model (RMSE = 0) získává maximální skóre 100.

---

📊 Zdroj dat

Dataset je generován na základě veřejného datasetu z Kaggle: Student Performance Factors Dataset

---