Wird geladen...
Aufgabe #21
Autor:Mihai Nan
Schwierigkeit
Dein bestes Ergebnis
N/V
Es soll ein Regressionsmodell erstellt werden, das die tägliche Stromproduktion (kWh) eines Solarpanels basierend auf Wetterbedingungen und Anlagencharakteristika vorhersagt.
Jede Stichprobe repräsentiert einen Produktionstag und ist durch mehrere numerische Attribute charakterisiert, wie Lichtintensität, Lufttemperatur, Windgeschwindigkeit und andere.
Das Ziellabel (energy_output) repräsentiert die an diesem Tag erzeugte Gesamtenergie.
Dieses Problem gehört zur Kategorie der univariaten Regression.
solar_irradiance – durchschnittliche Sonneneinstrahlung (W/m²)temperature – durchschnittliche Lufttemperatur (°C)humidity – relative Luftfeuchtigkeit (%)wind_speed – durchschnittliche Windgeschwindigkeit (m/s)cloud_cover – durchschnittliche Wolkenbedeckung (%)panel_angle – Neigungswinkel des Panels (°)panel_efficiency – Effizienz des Panels (%)train.csvEnthält alle Feature-Spalten plus die Spalte energy_output, die den Zielwert repräsentiert.
Beispiel:
| SampleID | solar_irradiance | temperature | humidity | wind_speed | cloud_cover | panel_angle | panel_efficiency | energy_output |
|---|---|---|---|---|---|---|---|---|
| 1 | 750.5 | 25.2 | 40.0 | 3.5 | 10 | 30 | 18.5 | 42.3 |
| 2 | 610.0 | 22.1 | 55.0 | 2.0 | 50 | 25 | 17.0 | 28.7 |
test.csvEnthält dieselben Spalten wie train.csv, aber ohne energy_output, und beinhaltet SampleID.
Die Ausgabedatei (submission.csv) muss genau zwei Spalten enthalten:
SampleIDenergy_output – vom Modell vorhergesagter Wert (Float, mit 2 Dezimalstellen)Beispiel:
| SampleID | energy_output |
|---|---|
| 1 | 41.75 |
| 2 | 29.10 |
| 3 | 35.80 |
Die Bewertung der Modelle erfolgt mittels Root Mean Squared Error (RMSE):
wobei N die Anzahl der Beispiele im Testset ist, y_i der echte Wert und y^_i der vom Modell vorhergesagte Wert ist.
Die finale Punktzahl wird zwischen 0 und 100 skaliert, sodass ein niedriger RMSE zu einer hohen Punktzahl führt.
Die für dieses Problem verwendeten Daten sind synthetisch generiert.