Prédiction du score des films

🎬 Prédiction du score des films 🍿

Dans le monde du streaming, les services de type Netflix s'appuient sur les données pour comprendre quels films et séries seront appréciés par les utilisateurs. Tu es le consultant d'une start-up qui veut anticiper le score d'un film basé sur ses métadonnées.

Tu as à disposition un ensemble de données sur les films et séries Netflix :

• train.csv - films et séries avec des scores connus
• test.csv - films et séries nouveaux, pour lesquels tu dois prédire le score

📊 L'ensemble de données

Chaque ligne représente un titre de film :

• SampleID – identifiant unique du film
• Title – nom du film ou de la série
• Type – type de contenu (SHOW)
• Description – description courte du film / de la série
• Year – année de sortie
• Score – uniquement dans train.csv, valeur numérique représentant le score du film (ex : note des critiques)

Ton objectif est de prédire Score pour chaque titre de test.csv.

📝 Tâche (100 points)

Construis un modèle d'apprentissage automatique capable de prédire la valeur numérique Score pour chaque titre de test.csv, en utilisant les colonnes disponibles (Title, Type, Description, Year).

🧮 Évaluation

• La métrique principale est MAE (Mean Absolute Error) :

• MAE ≤ 0.65 → 100 points
• MAE ≥ 2.0 → 0 point
• Pour les valeurs intermédiaires, le score se calcule proportionnellement.

📄 Format du fichier de soumission

Le fichier submission.csv doit contenir une ligne pour chaque titre du test :

1SampleID, Score

où :

• SampleID - l'identifiant du film du test
• Score - la valeur numérique prédite pour le score