Vorhersage von Filmbewertungen

🎬 Vorhersage von Filmbewertungen 🍿

In der Welt des Streamings verlassen sich Dienste wie Netflix auf Daten, um zu verstehen, welche Filme und Serien von Nutzern geschätzt werden. Du bist Berater eines Start-ups, das die Bewertung eines Films basierend auf seinen Metadaten vorhersagen möchte.

Dir steht ein Datensatz über Netflix-Filme und -Serien zur Verfügung:

• train.csv - Filme und Serien mit bekannten Bewertungen
• test.csv - neue Filme und Serien, für die du die Bewertung vorhersagen musst

📊 Der Datensatz

Jede Zeile repräsentiert einen Filmtitel:

• SampleID – eindeutige Kennung des Films
• Title – Name des Films oder der Serie
• Type – Art des Inhalts (SHOW)
• Description – kurze Beschreibung des Films / der Serie
• Year – Erscheinungsjahr
• Score – nur in train.csv, numerischer Wert, der die Filmbewertung darstellt (z.B. Kritikerbewertung)

Dein Ziel ist es, Score für jeden Titel aus test.csv vorherzusagen.

📝 Aufgabe (100 Punkte)

Erstelle ein maschinelles Lernmodell, das in der Lage ist, den numerischen Wert Score für jeden Titel aus test.csv vorherzusagen, unter Verwendung der verfügbaren Spalten (Title, Type, Description, Year).

🧮 Bewertung

• Die Hauptmetrik ist MAE (Mean Absolute Error):

• MAE ≤ 0.65 → 100 Punkte
• MAE ≥ 2.0 → 0 Punkte
• Für Zwischenwerte wird die Punktzahl proportional berechnet.

📄 Format der Abgabedatei

Die Datei submission.csv muss eine Zeile für jeden Titel aus test enthalten:

1SampleID, Score

wobei:

• SampleID - die Kennung des Films aus test
• Score - der vorhergesagte numerische Wert für die Bewertung