רמת קושי
הציון הטוב ביותר שלך
לא זמין
גויסת כמדען נתונים ב**"מעבדה לחיזוי כלכלי"** קטנה. המשימה שלך היא להבין מי פורץ את מחסום ה-50,000 דולר בשנה ומי לא, תוך שימוש בנתונים אמיתיים על השכלה, עבודה וחיי היומיום. לרשותך שני קבצים עם נתונים סוציו-כלכליים, המתוארים להלן:
| עמודה | תיאור |
|---|---|
| sampleid | מזהה ייחודי לכל תצפית |
| age | גיל האדם |
| workclass | סוג המעסיק (למשל: Private, Self-emp-not-inc וכו') |
| fnlwgt | משקל סופי מהמפקד (final weight) |
| education | רמת השכלה (למשל: Bachelors, Masters וכו') |
| educational_num | ייצוג מספרי של רמת ההשכלה |
| marital_status | מצב משפחתי |
| occupation | משלח יד |
| relationship | מערכת יחסים במשק הבית |
| race | גזע |
| gender | מגדר |
| capital_gain | רווחי הון |
| capital_loss | הפסדי הון |
| hours_per_week | שעות עבודה בשבוע |
| native_country | מדינת מוצא |
| profile_description | תיאור טקסטואלי של הפרופיל המקצועי |
| income | הכנסה שנתית (<=50K / >50K) – עמודת המטרה |
הערה:
העמודה income זמינה רק בנתוני האימון (train.csv).
נתח את נתוני האימון (train.csv) וקבע:
מהי מדינת המוצא (native_country), מלבד United-States, עם מספר האנשים הגבוה ביותר שהכנסתם היא >50K?
התוצאה חייבת להיות מחרוזת עם השם המדויק של המדינה, כפי שהוא מופיע בנתונים.
נתח את נתוני האימון (train.csv) וקבע:
מהו משלח היד (occupation) עם שיעור ההכנסה הגבוה ביותר של >50K?
שיעור ההכנסה >50K עבור משלח יד מחושב כ: מספר האנשים עם הכנסה >50K באותו משלח יד, חלקי המספר הכולל של האנשים באותו משלח יד.
התוצאה חייבת להיות מחרוזת עם השם המדויק של משלח היד, כפי שהוא מופיע בנתונים.
בנה מודל סיווג המסוגל לחזות את ערך העמודה income עבור כל התצפיות ב-test.csv.
המודל חייב להפיק אחת משתי המחלקות:
<=50K>50Kהעמודה profile_description מכילה תיאורים טקסטואליים של פרופילים מקצועיים. החל שיטת clustering על עמודה זו כדי לקבץ את התצפיות מ-test.csv לאשכולות.
החזר עבור כל תצפית ב-test.csv את תווית האשכול (ערך מספרי שלם).
תת-משימה 1: התאמה מדויקת לתשובה הנכונה.
תת-משימה 2: התאמה מדויקת לתשובה הנכונה.
תת-משימה 3: ההערכה מתבצעת באמצעות F1 Macro:
f1_macro ≥ 0.80 ← 55 נקודותf1_macro < 0.60 ← 0 נקודותתת-משימה 4: ההערכה מתבצעת באמצעות Adjusted Rand Index (ARI):
ARI ≥ 0.90 ← 20 נקודותARI ≤ 0.00 ← 0 נקודותקובץ ההגשה חייב להיות בפורמט CSV, עם העמודות הבאות:
subtaskID – אינדקס תת-המשימהdatapointID – מזהה ייחודי מתוך סט הנתוניםanswer – התשובה או החיזוידוגמה:
subtaskID,datapointID,answer1,1,India2,2,Sales3,10001,<=50K3,10002,>50K4,10001,04,10002,2הערה:
datapointID חייב להיות 1 ו-2 בהתאמה.datapointID חייב להיות ערך ה-sampleid מתוך test.csv.Adult / Census Income Dataset – UCI Machine Learning Repository