Päivittäisen keskilämpötilan ennustaminen

🌡️ Päivittäisen keskilämpötilan ennustaminen

Ongelman kuvaus

Tavoitteena on rakentaa regressiomalli, joka ennustaa päivittäisen keskilämpötilan tietyssä kaupungissa meteorologisten ominaisuuksien perusteella.

Jokaista tietuetta luonnehtivat seuraavat attribuutit:

• humidity – suhteellinen kosteus (%)
• wind_speed – tuulen nopeus (km/h)
• pressure – ilmanpaine (hPa)
• rainfall – sademäärä (mm)
• cloud_cover – pilvipeite (%)
• solar_radiation – auringonsäteily (W/m²)
• day_of_year – vuoden päivä (1–365)

Etiketti (kohdesarake) on:

• temperature – päivittäinen keskilämpötila (°C)

Tämä ongelma kuuluu jatkuvan regression kategoriaan.

---

📘 Syötetiedostojen rakenne

train.csv

Sisältää kaikki features-sarakkeet sekä kohdesarakkeen temperature.
Arvot ovat jatkuvia numeerisia arvoja.

SampleID	humidity	wind_speed	pressure	rainfall	cloud_cover	solar_radiation	day_of_year	temperature
1	70.0	15.0	1015.0	2.0	50	500.0	1	22.5
2	65.0	10.0	1018.0	0.0	20	650.0	2	24.0
3	80.0	5.0	1012.0	5.0	80	200.0	3	19.0

test.csv

Sisältää samat sarakkeet ilman temperature-saraketta, mutta sisältää SampleID:n.

SampleID	humidity	wind_speed	pressure	rainfall	cloud_cover	solar_radiation	day_of_year
101	75.0	12.0	1016.0	1.0	60	550.0	101
102	60.0	8.0	1019.0	0.0	10	700.0	102

---

📤 Palautus

Tulostiedoston (submission.csv) tulee sisältää täsmälleen kaksi saraketta:

• SampleID
• temperature – mallin ennustama arvo (float, °C)

SampleID	temperature
101	23.5
102	25.1
103	21.8

---

⚙️ Arviointi

Mallien arviointi tehdään käyttäen Root Mean Squared Error (RMSE):

missä:

• N on testijoukossa olevien esimerkkien määrä
• y_i on lämpötilan todellinen arvo
• ŷ_i on mallin ennustama arvo

RMSE tarjoaa mittarin ennusteiden ja todellisten arvojen välisestä keskimääräisestä neliöpoikkeamasta, ilmaistuna samassa yksikössä kuin kohde (°C).
Pienempi RMSE-pistemäärä osoittaa tarkempaa mallia.

---

📊 Lähde

Datasetti on synteettinen joukko, joka on saanut inspiraationsa todellisista meteorologisista tiedoista.