BAC suurennuslasin alla

Konteksti

Vuosien varrella ylioppilastutkinnon tulokset tarjoavat yksityiskohtaisen kuvan Romanian lukioiden suorituskyvystä. Analysoimalla historiallisia tietoja useiden vuosien ajalta voimme löytää trendejä, koulumenestyksen kehitystä ja joskus tuloksia, jotka poikkeavat normaalista.

Tässä kontekstissa tämän ongelman tavoitteena on analysoida tilastollisesti lukioiden suorituskykyä ylioppilastutkinnossa, rakentaa ennustavia malleja ja tunnistaa epätyypillisiä tuloksia käyttäen koneoppimismenetelmiä.

Tietojen kuvaus

Tämän ongelman vaatimusten ratkaisemiseksi sinulla on käytössäsi strukturoitu tietojoukko kahden csv-tiedoston muodossa: train.csv ja test.csv. Tämä tietojoukko sisältää lukioiden yhdistettyjä tuloksia ylioppilastutkinnon eri kokeista ajanjaksolta 2014–2023.

Jokainen rivi tietojoukossa (riippumatta siitä, onko kyse harjoitus- vai testijoukosta) edustaa lukion tuloksia aineessa vuonna.

Käytettävissä olevat sarakkeet:

• id – rivin yksilöllinen tunniste
• an – tutkintovuosi
• liceu – lukion nimi
• judet – maakunta, jossa lukio sijaitsee
• materie – ylioppilastutkinnon aine
• medie – lukion oppilaiden kyseisessä aineessa saamien arvosanojen keskiarvo
• procent_reusita – kokeen läpäisseiden oppilaiden prosenttiosuus
• numar_candidati – ehdokkaiden määrä
• preferinta_materie – kyseisen aineen valinneeiden oppilaiden prosenttiosuus
• anomalie - voi olla arvoltaan 0, jos tilannetta ei pidetä epänormaalina, tai 1, jos tilanne on epätavallinen.

Huomautus: Jokaisesta lukiosta meillä on myös yleisiä tilastoja. Niissä materie-sarakkeessa on arvo GENERAL.

Tiedosto train.csv sisältää tilastot ajanjaksolta 2014-2022, ja tiedosto test.csv sisältää tiedot vuodelta 2023, mutta sarakkeet medie ja anomalie eivät ole käytettävissä.

Vaatimukset

Vaatimus 1 - Suosituimman aineen tunnistaminen (10 pistettä)

Tunnista, mikä oli suosituin aine vuonna 2023 COLEGIUL NATIONAL "UNIREA" FOCSANI -lukiossa, jos jätämme pois aineen LIMBA ROMANA, joka oli pakollinen kaikille ehdokkaille.

Vaatimus 2 - Tietotekniikan menestyksekkään vuoden tunnistaminen (10 pistettä)

Tunnista, minä vuonna ajanjaksolla 2014-2022 aine INFORMATICA MI C-C++ oli suosituin COLEGIUL NATIONAL "UNIREA" FOCSANI -lukiossa. Katsomme, että suosio määräytyy preferinta_materie-sarakkeen prosenttiosuuden mukaan (mitä korkeampi tämä prosentti on, sitä suositumpana pidämme ainetta).

Vaatimus 3 - Lukioiden suorituskyvyn arviointi (40 pistettä)

Käyttäen train.csv-tiedostossa olevia tietoja, arvioi saavutetun keskiarvon arvo jokaiselle test.csv-tiedoston riville (vuosi 2023).

Tätä vaatimusta varten voit käyttää mitä tahansa tilastollisen analyysin tai mallintamisen menetelmää, joka perustuu historiallisiin tietoihin, ottaen huomioon:

• analysoitavan aineen,
• lukion historian,
• tulosten kehityksen ajan myötä,
• yleisen kontekstin suorituskyvystä maakunta- tai valtakunnallisella tasolla.

Tavoitteena on saada arviot, jotka ovat mahdollisimman lähellä todellisia arvoja.

Vaatimus 4 - Epätyypillisten tulosten tunnistaminen (40 pistettä)

Analysoi historiallisia tietoja ajanjaksolta 2014–2022 ja päätä jokaiselle test.csv-tiedoston riville, onko vuotta 2023 vastaava tulos:

• normaali, vai
• epätyypillinen, joka poikkeaa merkittävästi tavallisesta käyttäytymisestä.

Päätöksenteossa voit ottaa huomioon:

• kyseisen lukion historian,
• vaihtelut vuodesta toiseen,
• erot aineiden välillä,
• vertailun samankaltaisiin lukioihin.

Lopullisen tuloksen jokaiselle riville tulee olla binäärinen merkintä:

• 0 - normaali tulos
• 1 - epätyypillinen tulos

Palautuksen muoto

Automaattista arviointia varten sinun tulee ladata csv-muotoinen tiedosto, jolla on seuraava rakenne:

• id – rivin tunniste (vastaa test.csv:n tunnistetta)
  • tehtävälle 1 käytät arvoa 1 id:lle
  • tehtävälle 2 käytät arvoa 2 id:lle
• subtaskID – vaatimuksen tunniste:
  • 1 suosituimman aineen tunnistamiselle (vaatimus 1)
  • 2 tietotekniikan menestyksekkään vuoden tunnistamiselle (vaatimus 2)
  • 3 keskiarvon arvioimiselle (vaatimus 3)
  • 4 epätyypillisten tulosten tunnistamiselle (vaatimus 4)
• answer – vaatimusta vastaava vastaus:
  • subtaskID = 1:lle: aineen nimi täsmälleen sellaisena kuin se esiintyy tietojoukossa
  • subtaskID = 2:lle: vuosi
  • subtaskID = 3:lle: numeerinen arvo (keskiarvon arvio)
  • subtaskID = 4:lle: 0 tai 1

Arviointi

Vaatimukset 1–2 arvioidaan tarkasti (vertailulla).

Vaatimus 3 arvioidaan käyttäen Mean Absolute Error (MAE) -mittaria.

Säännöt:

• MAE < 0.3 → täydet pisteet
• MAE > 1.0 → 0 pistettä
• Näiden kahden kynnyksen välisille arvoille pisteet myönnetään suhteellisesti.

Vaatimukselle 4 pisteet myönnetään seuraavien sääntöjen mukaan:

• AUC ≥ 0.95 → 40 pistettä
• AUC ≤ 0.70 → 0 pistettä
• Niiden välinen väli: suhteelliset pisteet

⬇️ Lataa Starter Kit