מחבר: Mihai Nan
Se dorește construirea unui model de regresie care să prezică temperatura medie zilnică într-un anumit oraș, pe baza unor caracteristici meteorologice.
Fiecare înregistrare este caracterizată prin următoarele atribute:
humidity – umiditatea relativă (%)wind_speed – viteza vântului (km/h)pressure – presiunea atmosferică (hPa)rainfall – cantitatea de precipitații (mm)cloud_cover – acoperirea norilor (%)solar_radiation – radiația solară (W/m²)day_of_year – ziua anului (1–365)Eticheta (coloana țintă) este:
temperature – temperatura medie zilnică (°C)Această problemă aparține categoriei de regresie continuă.
train.csvConține toate coloanele de features plus coloana țintă temperature.
Valorile sunt numerice continue.
| SampleID | humidity | wind_speed | pressure | rainfall | cloud_cover | solar_radiation | day_of_year | temperature |
|---|---|---|---|---|---|---|---|---|
| 1 | 70.0 | 15.0 | 1015.0 | 2.0 | 50 | 500.0 | 1 | 22.5 |
| 2 | 65.0 | 10.0 | 1018.0 | 0.0 | 20 | 650.0 | 2 | 24.0 |
| 3 | 80.0 | 5.0 | 1012.0 | 5.0 | 80 | 200.0 | 3 | 19.0 |
test.csvConține aceleași coloane fără temperature, dar include SampleID.
| SampleID | humidity | wind_speed | pressure | rainfall | cloud_cover | solar_radiation | day_of_year |
|---|---|---|---|---|---|---|---|
| 101 | 75.0 | 12.0 | 1016.0 | 1.0 | 60 | 550.0 | 101 |
| 102 | 60.0 | 8.0 | 1019.0 | 0.0 | 10 | 700.0 | 102 |
Fișierul de ieșire (submission.csv) trebuie să conțină exact două coloane:
SampleIDtemperature – valoarea prezisă de model (float, °C)| SampleID | temperature |
|---|---|
| 101 | 23.5 |
| 102 | 25.1 |
| 103 | 21.8 |
Evaluarea modelelor se va face utilizând Root Mean Squared Error (RMSE):
unde:
N este numărul de exemple din setul de testy_i este valoarea reală a temperaturiiŷ_i este valoarea prezisă de modelRMSE oferă o măsură a deviației medii pătratice între predicții și valorile reale, exprimată în aceeași unitate ca și ținta (°C).
Un scor RMSE mai mic indică un model mai precis.
Datasetul este un set sintetic inspirat din date meteorologice reale.