Raskusaste
Sinu parim tulemus
Puudub
Sind on värvatud andmeteadlaseks väikesesse „majandusprognooside laborisse". Sinu ülesandeks on välja selgitada, kes ületab 50 000 USD aastatulu piiri ja kes mitte, kasutades reaalseid andmeid hariduse, töö ja igapäevaelu kohta. Sinu käsutuses on kaks sotsiaalmajanduslike andmetega faili, mida on kirjeldatud allpool:
| Veerg | Kirjeldus |
|---|---|
| sampleid | Iga vaatluse kordumatu identifikaator |
| age | Isiku vanus |
| workclass | Tööandja tüüp (nt: Private, Self-emp-not-inc jne) |
| fnlwgt | Rahvaloenduse lõplik kaal (final weight) |
| education | Haridustase (nt: Bachelors, Masters jne) |
| educational_num | Haridustaseme numbriline esitus |
| marital_status | Perekonnaseis |
| occupation | Amet |
| relationship | Suhe leibkonnas |
| race | Rass |
| gender | Sugu |
| capital_gain | Kapitalitulu |
| capital_loss | Kapitalikahjum |
| hours_per_week | Töötunde nädalas |
| native_country | Päritoluriik |
| profile_description | Professionaalse profiili tekstiline kirjeldus |
| income | Aastatulu (<=50K / >50K) – sihtmuutuja |
Märkus:
Veerg income on saadaval ainult treeningandmetes (train.csv).
Analüüsi treeningandmeid (train.csv) ja määra:
Milline on päritoluriik (native_country), peale United-States, kus on kõige rohkem isikuid tuluga >50K?
Tulemuseks peab olema string riigi täpse nimega, nii nagu see andmetes esineb.
Analüüsi treeningandmeid (train.csv) ja määra:
Millisel ametil (occupation) on kõrgeim >50K tulu määr?
Amati >50K tulu määr arvutatakse järgmiselt: selles ametis olevate >50K tuluga isikute arv jagatud selle ameti isikute koguarvuga.
Tulemuseks peab olema string ameti täpse nimega, nii nagu see andmetes esineb.
Koosta klassifitseerimismudel, mis suudab ennustada veeru income väärtust kõigi test.csv vaatluste jaoks.
Mudel peab väljastama ühe kahest klassist:
<=50K>50KVeerg profile_description sisaldab professionaalsete profiilide tekstilisi kirjeldusi. Rakenda sellele veerule klasterdamise (clustering) meetodit, et rühmitada test.csv vaatlused klastritesse.
Tagasta iga test.csv vaatluse kohta klastri märgis (täisarvuline väärtus).
Alampüstitus 1: Täpne vaste õige vastusega.
Alampüstitus 2: Täpne vaste õige vastusega.
Alampüstitus 3: Hindamine toimub F1 Macro meetodil:
f1_macro ≥ 0.80 → 55 punktif1_macro < 0.60 → 0 punktiAlampüstitus 4: Hindamine toimub Adjusted Rand Index (ARI) meetodil:
ARI ≥ 0.90 → 20 punktiARI ≤ 0.00 → 0 punktiEsitatav fail peab olema CSV vormingus järgmiste veergudega:
subtaskID – alampüstituse indeksdatapointID – andmepunkti kordumatu identifikaatoranswer – vastus või ennustusNäide:
subtaskID,datapointID,answer1,1,India2,2,Sales3,10001,<=50K3,10002,>50K4,10001,04,10002,2Märkus:
datapointID olema vastavalt 1 ja 2.datapointID olema sampleid väärtus failist test.csv.Adult / Census Income Dataset – UCI Machine Learning Repository