Forudsigelse af togforsinkelse - Sværhedsgrad: EASY

Opgavebeskrivelse

🚆 Forudsigelse af togforsinkelse ⏱️

🇷🇴 Kontekst 🚃

Det nationale jernbaneselskab ønsker at forudsige forsinkelsen af et tog (i minutter, heltal) ved ankomsten til den endelige station. Til dette formål får I et datasæt med detaljer om rejser fra det seneste år.

For hver rejse kender vi følgende karakteristika:

Navn	Type	Beskrivelse
`SampleID`	int	Unik identifikator for stikprøven
`departure_time`	string (HH:MM)	Togets afgangstid
`distance_km`	float	Den samlede afstand for ruten
`avg_speed_kmh`	float	Den faktiske gennemsnitshastighed
`num_stops`	int	Antal mellemstop
`weather`	kategori	Vejrforhold: `sunny`, `rain`, `snow`, `fog`
`weekday`	kategori	Ugedag
`special_events`	0/1	Særlige begivenheder på ruten
`num_cars`	int	Antal vogne
`ticket_price`	float	Billetpris
`comfort_class`	kategori	`standard`, `intermediate`, `premium`
`delay_minutes`	int	Målvariablen – togets forsinkelse i minutter

Informationen delay_minutes er kun tilgængelig i træningssættet (train.csv).

🎯 Problemets formål ⏱️

I skal træne en model, der er i stand til at forudsige delay_minutes baseret på de øvrige karakteristika.

📝 Indleveringsformat

I skal uploade en csv-fil (submission.csv) med følgende format:

Python
1SampleID,delay_minutes20,1231,342,15

hvor:

SampleID skal stemme overens med værdierne fra test.csv
delay_minutes er jeres models forudsigelse, afrundet til heltal

📊 Evaluering

Evalueringen vil blive foretaget ved hjælp af MAE (Mean Absolute Error):

$MAE$

Den endelige score beregnes baseret på den opnåede MAE-score ved hjælp af følgende regler:

MAE ≤ 5 → 100 point
MAE ≥ 20 → 0 point
For mellemværdier tildeles point proportionalt mellem 0 og 100.

Filer

Download opgavefiler

Indsend løsning

Upload resultatfilen manuelt. Du kan også vedhæfte kildekoden.Maks. 100 MB i alt

Indsendelsesfil

Klik for at uploade eller træk og slip

CSV, ZIP, osv. (MAKS. 100MB)

Kildekodefil (valgfri)

Klik for at uploade eller træk og slip

Arkiv, notebook eller kodefil

Log ind for at uploade en indsendelse.

ELLER

Arbejd og indsend fra Google Colab

Åbn en notebook, der er klargjort til denne opgave. Den første celle forbinder opgaven og henter de tilgængelige data. Når du er færdig, kan du indsende dine filer til evaluering direkte fra notebooken.

Indsendelser fra Colab bruger samme evaluator og samme grænser. Følg resultatet under Mine indsendelser.

MLCompete har kun adgang til den notebook, tjenesten opretter i dit Google Drive, ikke til dine andre filer.

Åbner den ikke? Brug en midlertidig kode

Opret koden her, åbn den offentlige notebook, og indtast den, når den første celle beder om den.

Log først ind på MLCompete for at oprette en arbejdsområdekode.

Åbn den offentlige notebook i Colab

Indsæt kun arbejdsområdekoden, når notebooken beder om den. Del den aldrig med andre.