🏫 Forudsigelse af studerendes akademiske status
For dette problem skal du implementere en klassifikationsmodel, der kan forudsige en students akademiske status (Target) ved hjælp af et tilgængeligt datasæt. Datasættet er organiseret i en CSV-fil, og modellens ydeevne vil blive evalueret baseret på F1-score.
🔹 Datasættet
Datasættet indeholder følgende kolonner:
- SampleID: Unikt identifikator for hver studerende
- Marital status: Studentens civilstand (Single, Married, Other)
- Application mode: Ansøgningsmåde (Online, In person, Other)
- Application order: Ansøgningsrækkefølge (numerisk)
- Course: Kurset som studenten er tilmeldt
- Daytime/evening attendance: Fremmødetype (Daytime/Evening)
- Previous qualification: Tidligere uddannelsesniveau (High School, College)
- Nacionality: Studentens nationalitet
- Mother's qualification: Moderens uddannelsesniveau
- Father's qualification: Faderens uddannelsesniveau
- Mother's occupation: Moderens erhverv
- Father's occupation: Faderens erhverv
- Displaced: Studenten er fordrevet/udlænding (Yes/No)
- Educational special needs: Særlige uddannelsesbehov (Yes/No)
- Debtor: Studerende med gæld (Yes/No)
- Tuition fees up to date: Studieafgifter er betalt (Yes/No)
- Gender: Studentens køn (Male/Female)
- Scholarship holder: Studerende med stipendium (Yes/No)
- Age at enrollment: Alder ved tilmelding
- International: International studerende (Yes/No)
- Curricular units 1st sem (credited): Krediterede kurser i første semester
- Curricular units 1st sem (enrolled): Tilmeldte kurser i første semester
- Curricular units 1st sem (evaluations): Evalueringer gennemført i første semester
- Curricular units 1st sem (approved): Godkendte kurser i første semester
- Curricular units 1st sem (grade): Karakterer opnået i første semester
- Curricular units 1st sem (without evaluations): Kurser uden evalueringer i første semester
- Curricular units 2nd sem (credited): Krediterede kurser i andet semester
- Curricular units 2nd sem (enrolled): Tilmeldte kurser i andet semester
- Curricular units 2nd sem (evaluations): Evalueringer gennemført i andet semester
- Curricular units 2nd sem (approved): Godkendte kurser i andet semester
- Curricular units 2nd sem (grade): Karakterer opnået i andet semester
- Curricular units 2nd sem (without evaluations): Kurser uden evalueringer i andet semester
- Unemployment rate: Arbejdsløshedsraten i studentens region
- Inflation rate: Inflationsraten
- GDP: Bruttonationalprodukt (GDP)
- Target: Målvariablen, studentens akademiske status (Dropout, Enrolled, Graduate)
📊 Noter om datasættet
- Målfeltet:
Target
- Modellen skal trænes på
train.csv og evalueres på test.csv
⚙️ Evalueringskriterier
- Ydeevne: Højest mulige F1-score
📨 Format for indsendelsesfile
Indsendelsesfile skal være en CSV med præcis to kolonner:
| Kolonne | Type | Beskrivelse |
|---|
SampleID | integer | Repræsenterer det unikke identifikator for rækken fra testsættet |
Target | String | Klasseprediktionen for studenten (Dropout, Enrolled, Graduate) |
🔹 Eksempler
| SampleID | Target |
|---|
| 101 | Dropout |
| 102 | Enrolled |
| 103 | Graduate |
Vigtigt: Hver række i CSV'en repræsenterer prediktionen for en enkelt studerende fra testet.
📝 Note
Scoren tildeles baseret på F1-score opnået af modellen på testsættet. For at opnå maksimal score skal F1 være mindst 0.75, og værdier under 0.5 vil modtage 0 point, resten skaleres proportionalt.
🗂️ Nyttige ressourcer
- Starter Kit – indeholder et skelet som du kan starte problemløsningen fra
