Det kongelige diamantmagasin

💎 Det kongelige diamantmagasin ✨

I hjertet af Kongeriget ligger Det Kongelige Diamantmagasin, hvor ædelstene
af alle former og størrelser opbevares med omhu.

Magasinets vogter ønsker at opdage, hvor værdifulde hans diamanter er,
baseret på deres fysiske og æstetiske karakteristika, men pergamenterne med priser
er gået tabt i tiden.

For at hjælpe ham har det kongelige råd skabt en datasamling:

• train.csv – diamanter allerede evalueret, med alle karakteristika og deres pris
• test.csv – nye diamanter, med karakteristika udfyldt, men uden pris

Din opgave er at opdage diamanternes værdihemligheder ved hjælp af dataanalyse og prædiktive modeller.

📊 Datasættet

Hver række i filerne train.csv og test.csv repræsenterer en diamant beskrevet gennem følgende karakteristika:

• SampleID – diamantens unikke identifikator
• carat – diamantens vægt (Carat weight of the diamond)
• cut – slibningens kvalitet (Fair, Good, Very Good, Premium, Ideal)
  (quality in increasing order)
• color – diamantens farve (D … J), D er den bedste
• clarity – diamantens klarhed (graden af indeslutninger, fra bedste til værste: FL, IF, VVS1, VVS2, VS1, VS2, SI1, SI2, I1, I2, I3)
• depth – dybden i procent (height from culet to table / average girdle diameter)
• table – bordets bredde i procent af den gennemsnitlige diameter
• x, y, z – diamantens dimensioner i mm (length, width, height)
• price – kun i train.csv, diamantens værdi

📝 Opgaver

Subtask 1 (10 point)

Klassificer diamanterne fra test.csv baseret på deres vægt (carat):

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

Subtask 2 (15 point)

Beregn forholdet mellem depth og table for hver diamant i test:

1proportion = depth / table

Subtask 3 (15 point)

Bestem det omtrentlige volumen af hver diamant ved hjælp af formlen:

1volumen = x * y * z

Subtask 4 (60 point)

Konstruer en metode, der kan estimere diamantens værdi (price)
for hver diamant i test.csv.

Den endelige evaluering vil blive foretaget ved hjælp af MAE (Mean Absolute Error):

• MAE (jo lavere, jo højere vil det tildelte pointtal være)

🧮 Evaluering

Pointtallet for det sidste krav tildeles efter følgende formler:

• MAE ≤ 260 → 60 point
• MAE ≥ 300 → 0 point
• Mellemværdier → proportionalt pointtal

For subtask 1 evalueres svarene nøjagtigt.

For subtask 2 og 3 evalueres svarene for de første 2 decimaler.

📌 Noter

• Kategoriske variabler (cut, color, clarity) kan konverteres numerisk
  ved hjælp af valgfrie metoder (f.eks.: LabelEncoder).
• Enhver teknik til analyse og prediktion er tilladt.

📄 Formatet for submission-filen

Filen submission.csv skal indeholde en linje for hver række fra test
og hver subtask:

1subtaskID datapointID answer

• subtaskID – 1, 2, 3 eller 4
• datapointID – SampleID fra test
• answer – det beregnede eller forudsagte resultat

Eksempel for en diamant med SampleID = 1023:

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