Forudsigelse af flyforsinkelse - Sværhedsgrad: MEDIUM

Opgavebeskrivelse

✈️ Forudsigelse af flyforsinkelses 🕒

🇩🇰 Kontekst

Den Føderale Luftfartsadministration ønsker at udvikle et system, der kan forudsige forsinkelsen af et fly (i minutter) ved ankomst, baseret på historiske oplysninger om flyselskaber, lufthavne og operationelle forhold.

Til dette formål tilbydes der et datasæt aggregeret på niveau af:
(år, måned, flyselskab, lufthavn).

📦 Tilgængelige karakteristika

Navn	Beskrivelse
`sample_id`	Unikt ID for prøven (fx: `0194048`)
`year`	Rapporteringsåret
`month`	Rapporteringsmåneden
`carrier`	Flyselskabets kode
`carrier_name`	Flyselskabets fulde navn
`airport`	Lufthavnens kode (IATA)
`airport_name`	Lufthavnens navn
`arr_flights`	Samlet antal fly, der er ankommet
`arr_del15`	Antal ankomster med forsinkelse >15 minutter
`carrier_ct`	Forsinkelser tilskrevet operatøren
`weather_ct`	Forsinkelser forårsaget af vejrforhold
`nas_ct`	Forsinkelser forårsaget af det nationale system (NAS)
`security_ct`	Sikkerhedsforsinkelser
`late_aircraft_ct`	Forsinkelser forårsaget af fly, der ankom for sent
`arr_cancelled`	Annullerede fly
`arr_diverted`	Omdirigerede fly
`delay`	Målvariablen — samlet forsinkelse ved ankomst (minutter, kun tilgængelig i `train.csv`)

Bemærk: I filen test.csv er kolonnen delay fraværende og skal forudsiges.

🎯 Problemets mål

Træn en model, der forudsiger delay (i minutter) ved hjælp af ovenstående karakteristika.

Det endelige resultat skal indsendes som en fil submission.csv.

📝 Indsendelsesformat

Filen skal være:

Python
1sample_id,delay20194048,13230194049,040194050,215

hvor:

sample_id skal stemme overens med værdierne fra test.csv
delay repræsenterer et heltal, modellens forudsigelse

📊 Evaluering

Evalueringen foretages ved hjælp af MAE (Mean Absolute Error):

$MAE$

🏆 Endelig score

MAE ≤ 400 → 100 point
MAE ≥ 600 → 0 point
For mellemliggende værdier tildeles point proportionalt mellem 0 og 100.

🔎 Bemærkninger

Du er fri til at bruge enhver ML-teknik.
Forbehandling, encoding og feature engineering er tilladt.

Held og lykke og god flyvning! ✨

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.

Forudsigelse af flyforsinkelse - Sværhedsgrad: MEDIUM