Elokuvien arvosanojen ennustaminen

🎬 Elokuvien pistemäärän ennustaminen 🍿

Suoratoistomaailmassa Netflix-tyyppiset palvelut luottavat dataan ymmärtääkseen, mitä elokuvia ja sarjoja käyttäjät arvostavat. Olet startup-yrityksen konsultti, joka haluaa ennakoida elokuvan pistemäärän sen metadatan perusteella.

Käytössäsi on Netflix-elokuvien ja -sarjojen tietojoukko:

• train.csv - elokuvat ja sarjat tunnetuilla pistemäärillä
• test.csv - uudet elokuvat ja sarjat, joille sinun tulee ennustaa pistemäärä

📊 Tietojoukko

Jokainen rivi edustaa elokuvaotsikkoa:

• SampleID – elokuvan yksilöllinen tunniste
• Title – elokuvan tai sarjan nimi
• Type – sisällön tyyppi (SHOW)
• Description – lyhyt kuvaus elokuvasta / sarjasta
• Year – julkaisuvuosi
• Score – vain train.csv:ssä, numeerinen arvo, joka edustaa elokuvan pistemäärää (esim. kriitikoiden arvosana)

Tavoitteesi on ennustaa Score jokaiselle otsikolle test.csv:stä.

📝 Tehtävä (100 pistettä)

Rakenna koneoppimismalli, joka kykenee ennustamaan numeerisen arvon Score jokaiselle otsikolle test.csv:stä käyttäen käytettävissä olevia sarakkeita (Title, Type, Description, Year).

🧮 Arviointi

• Päämetriikka on MAE (Mean Absolute Error):

• MAE ≤ 0.65 → 100 pistettä
• MAE ≥ 2.0 → 0 pistettä
• Väliarvoille pisteet lasketaan suhteellisesti.

📄 Palautustiedoston muoto

Tiedoston submission.csv tulee sisältää yksi rivi jokaiselle testissä olevalle otsikolle:

1SampleID, Score

missä:

• SampleID - elokuvan tunniste testistä
• Score - ennustettu numeerinen arvo pistemäärälle