Královský obchod s diamanty

💎 Královský obchod s diamanty ✨

V srdci Království se nachází Královský obchod s diamanty, kde jsou drahokamy
všech tvarů a velikostí pečlivě uchovávány.

Správce Obchodu chce objevit, jak cenné jsou jeho diamanty,
na základě jejich fyzických a estetických charakteristik, avšak pergameny s cenami
se v čase ztratily.

Aby mu pomohla, královská rada vytvořila kolekci dat:

• train.csv – již ohodnocené diamanty se všemi charakteristikami a jejich cenou
• test.csv – nové diamanty s vyplněnými charakteristikami, ale bez ceny

Vaším úkolem je objevit tajemství hodnoty diamantů pomocí analýzy dat a prediktivních modelů.

📊 Datová sada

Každý řádek v souborech train.csv a test.csv představuje diamant popsaný následujícími charakteristikami:

• SampleID – jedinečný identifikátor diamantu
• carat – hmotnost diamantu (Carat weight of the diamond)
• cut – kvalita brusu (Fair, Good, Very Good, Premium, Ideal)
  (quality in increasing order)
• color – barva diamantu (D … J), D je nejlepší
• clarity – čistota diamantu (stupeň inkluzí, od nejlepšího k nejhoršímu: FL, IF, VVS1, VVS2, VS1, VS2, SI1, SI2, I1, I2, I3)
• depth – hloubka v procentech (height from culet to table / average girdle diameter)
• table – šířka stolu v procentech z průměrného průměru
• x, y, z – rozměry diamantu v mm (length, width, height)
• price – pouze v train.csv, hodnota diamantu

📝 Úkoly

Subtask 1 (10 bodů)

Klasifikujte diamanty z test.csv podle jejich hmotnosti (carat):

• Light pokud carat < 0.5
• Medium pokud 0.5 ≤ carat < 1.5
• Heavy pokud carat ≥ 1.5

Subtask 2 (15 bodů)

Vypočítejte poměr mezi depth a table pro každý diamant z test:

1proportie = depth / table

Subtask 3 (15 bodů)

Určete přibližný objem každého diamantu pomocí vzorce:

1volum = x * y * z

Subtask 4 (60 bodů)

Sestavte metodu schopnou odhadnout hodnotu diamantu (price)
pro každý diamant z test.csv.

Finální hodnocení se provede pomocí MAE (Mean Absolute Error):

• MAE (čím nižší, tím vyšší bude udělené skóre)

🧮 Hodnocení

Skóre pro poslední požadavek je udělováno podle následujících vzorců:

• MAE ≤ 260 → 60 bodů
• MAE ≥ 300 → 0 bodů
• Mezilehlé hodnoty → proporcionální skóre

Pro subtask 1 jsou odpovědi hodnoceny přesně.

Pro subtasky 2 a 3 jsou odpovědi hodnoceny na první 2 desetinná místa.

📌 Poznámky

• Kategorické proměnné (cut, color, clarity) mohou být převedeny na číselné
  pomocí metod dle volby (např.: LabelEncoder).
• Je povolena jakákoli technika analýzy a predikce.

📄 Formát souboru pro odevzdání

Soubor submission.csv musí obsahovat jeden řádek pro každý řádek z test
a každý subtask:

1subtaskID datapointID answer

• subtaskID – 1, 2, 3 nebo 4
• datapointID – SampleID z test
• answer – vypočítaný nebo predikovaný výsledek

Příklad pro diamant s SampleID = 1023:

1subtaskID datapointID answer21 1023 Medium32 1023 0.61943 1023 0.3454 1023 4578