Kokeen pistemäärän ennustaminen - OJIA 3 simulaatio

🏫 Kokeen pistemäärän ennustaminen

Tässä tehtävässä sinun tulee toteuttaa regressiomalli, joka pystyy ennustamaan kokeessa saadun pistemäärän (Exam_Score) käyttämällä saatavilla olevaa tietojoukkoa. Tietojoukko on järjestetty CSV-tiedostoon, ja mallin suorituskykyä arvioidaan Mean Absolute Error (MAE) -mittarin perusteella.

---

🔹 Tietojoukko

Tietojoukko sisältää seuraavat sarakkeet:

• ID: Opiskelijan yksilöllinen tunnistenumero
• Hours_Studied: Opiskeluun käytettyjen tuntien määrä
• Attendance: Läsnäoloprosentti luennoilla
• Parental_Involvement: Vanhempien osallistumisen taso (Low, Medium, High)
• Access_to_Resources: Pääsy opetusresursseihin (Low, Medium, High)
• Extracurricular_Activities: Osallistuminen koulun ulkopuolisiin toimintoihin (Yes/No)
• Sleep_Hours: Keskimääräinen unituntien määrä yössä
• Previous_Scores: Aiemmin kokeissa saadut pisteet
• Motivation_Level: Motivaatiotaso (Low, Medium, High)
• Internet_Access: Internet-yhteys opiskelua varten (Yes/No)
• Tutoring_Sessions: Tukiopetustuntien määrä
• Family_Income: Perheen tulot (Low, Medium, High)
• Teacher_Quality: Opiskelijan kokema opettajien laatu (Low, Medium, High)
• School_Type: Koulun tyyppi (Public/Private)
• Peer_Influence: Luokkatovereiden vaikutus oppilaaseen (Negative, Neutral, Positive)
• Physical_Activity: Liikuntaan käytettyjen tuntien määrä viikossa
• Learning_Disabilities: Oppimisvaikeuksien esiintyminen (Yes/No)
• Parental_Education_Level: Vanhempien koulutustaso (High School, College, Postgraduate)
• Distance_from_Home: Etäisyys kodin ja koulun välillä (Near, Moderate, Far)
• Gender: Opiskelijan sukupuoli (Male/Female)
• Exam_Score: Kohdemuuttuja, kokeessa saatu pistemäärä (numeerinen arvo)

---

📚 Tehtävät

Alitehtävä 1 (10 pistettä)

Laske Hours_Studied-sarakkeen arvojen keskiarvo harjoitusjoukosta. Määritä jokaiselle testijoukossa olevalle opiskelijalle Hours_Studied-arvon ja lasketun keskiarvon erotuksen itseisarvo.

Alitehtävä 2 (10 pistettä)

Määritä jokaiselle testijoukossa olevalle opiskelijalle, nukkuuko hän vähän (<7 tuntia). Tulos on True tai False.

Alitehtävä 3 (10 pistettä)

Laske, kuinka monta harjoitusjoukon opiskelijaa on saanut aiemman pistemäärän (Previous_Scores), joka on suurempi tai yhtä suuri kuin kunkin testijoukossa olevan opiskelijan pistemäärä.

Alitehtävä 4 (10 pistettä)

Määritä harjoitusjoukon opiskelijoiden määrä, joilla on sama motivaatiotaso (Motivation_Level) kuin kullakin testijoukossa olevalla opiskelijalla.

Alitehtävä 5 (60 pistettä)

Rakenna regressiomalli ennustamaan Exam_Score annettujen ominaisuuksien perusteella. Mallin tulee yleistyä uusiin tietoihin ja sitä arvioidaan MAE-mittarilla.

---

📊 Huomioita tietojoukosta

• Kohdekenttä: Exam_Score
• Malli tulee kouluttaa train_data.csv-tiedostolla ja arvioida test_data.csv-tiedostolla
• Suositellaan puuttuvien arvojen tarkistamista ja ominaisuuksien normalisointia.

---

⚙️ Arviointikriteerit

• Suorituskyky: Mahdollisimman pieni MAE

---

📨 Palautustiedoston muoto

Palautustiedoston tulee olla CSV tasan kolmella sarakkeella:

Sarake	Tyyppi	Kuvaus
subtaskID	integer	Edustaa alitehtävän ID:tä (1:stä 5:een).
datapointID	integer/string	Edustaa testijoukossa olevan rivin yksilöllistä tunnistetta (ID).
answer	float / int / bool	Vastaus kyseiseen alitehtävään. Arvon tyyppi riippuu alitehtävästä: • Alitehtävä 1: float • Alitehtävä 2: boolean • Alitehtävä 3: integer • Alitehtävä 4: integer • Alitehtävä 5: float (mallin ennusteet)

🔹 Esimerkkejä

subtaskID	datapointID	answer
1	101	12.5
2	101	True
3	101	7
4	101	3
5	101	85.3

Tärkeää: Jokainen CSV:n rivi edustaa vastausta yhdelle alitehtävälle ja yhdelle datapisteelle. Jokaiselle datapointID:lle tulee olla yksi rivi kutakin alitehtävää kohden.

---

📝 Huomautus

Sample_output-tiedoston lähettäminen tuottaa 6 pistettä.

🗂️ Hyödyllisiä resursseja

• Täydellinen Starter Kit – sisältää rungon, josta voit aloittaa tehtävän ratkaisemisen