Predizione del punteggio all'esame - Simulazione OJIA 3

🏫 Predizione del punteggio all'esame

Per questo problema dovete implementare un modello di regressione capace di predire il punteggio ottenuto all'esame (Exam_Score) utilizzando un set di dati disponibile. Il set di dati è organizzato in un file CSV, e le prestazioni del modello saranno valutate sulla base del Mean Absolute Error (MAE).

---

🔹 Il set di dati

Il set di dati contiene le seguenti colonne:

• ID: Numero unico di identificazione dello studente
• Hours_Studied: Il numero di ore trascorse studiando
• Attendance: La percentuale di presenza alle lezioni
• Parental_Involvement: Il livello di coinvolgimento dei genitori (Low, Medium, High)
• Access_to_Resources: L'accesso alle risorse educative (Low, Medium, High)
• Extracurricular_Activities: La partecipazione ad attività extracurriculari (Yes/No)
• Sleep_Hours: Il numero medio di ore di sonno per notte
• Previous_Scores: I punteggi ottenuti precedentemente agli esami
• Motivation_Level: Il livello di motivazione (Low, Medium, High)
• Internet_Access: L'accesso a internet per lo studio (Yes/No)
• Tutoring_Sessions: Il numero di sessioni di tutoraggio
• Family_Income: Il reddito familiare (Low, Medium, High)
• Teacher_Quality: La qualità degli insegnanti percepita dallo studente (Low, Medium, High)
• School_Type: Il tipo di scuola (Public/Private)
• Peer_Influence: L'influenza dei compagni sullo studente (Negative, Neutral, Positive)
• Physical_Activity: Il numero di ore di attività fisica settimanale
• Learning_Disabilities: La presenza di difficoltà di apprendimento (Yes/No)
• Parental_Education_Level: Il livello di istruzione dei genitori (High School, College, Postgraduate)
• Distance_from_Home: La distanza tra casa e scuola (Near, Moderate, Far)
• Gender: Il genere dello studente (Male/Female)
• Exam_Score: La variabile target, il punteggio ottenuto all'esame (valore numerico)

---

📚 Task

Subtask 1 (10 punti)

Calcolate la media dei valori della colonna Hours_Studied sul set di addestramento. Per ogni studente del test, determinate il modulo della differenza tra Hours_Studied e la media calcolata.

Subtask 2 (10 punti)

Determinate per ogni studente del test se questo dorme poco (<7 ore). Il risultato sarà True o False.

Subtask 3 (10 punti)

Contate quanti studenti del set di addestramento hanno avuto un punteggio precedente (Previous_Scores) maggiore o uguale a quello di ogni studente del test.

Subtask 4 (10 punti)

Determinate il numero di studenti dell'addestramento con lo stesso livello di motivazione (Motivation_Level) di ogni studente del test.

Subtask 5 (60 punti)

Costruite un modello di regressione per predire Exam_Score sulla base delle caratteristiche fornite. Il modello deve generalizzare su dati nuovi e sarà valutato con MAE.

---

📊 Note sul set di dati

• Campo target: Exam_Score
• Il modello deve essere addestrato su train_data.csv e valutato su test_data.csv
• Si raccomanda di verificare i valori mancanti e normalizzare le caratteristiche.

---

⚙️ Criteri di valutazione

• Prestazioni: MAE il più basso possibile

---

📨 Formato del file di submission

Il file di submission deve essere un CSV con esattamente tre colonne:

Colonna	Tipo	Descrizione
subtaskID	integer	Rappresenta l'ID del subtask (da 1 a 5).
datapointID	integer/string	Rappresenta l'identificatore unico della riga del set di test (ID).
answer	float / int / bool	La risposta per il rispettivo subtask. Il tipo del valore dipende dal subtask: • Subtask 1: float • Subtask 2: boolean • Subtask 3: integer • Subtask 4: integer • Subtask 5: float (predizioni modello)

🔹 Esempi

subtaskID	datapointID	answer
1	101	12.5
2	101	True
3	101	7
4	101	3
5	101	85.3

Importante: Ogni riga del CSV rappresenta la risposta per un singolo subtask e un singolo datapoint. Per ogni datapointID deve esistere una riga per ogni subtask.

---

📝 Nota

L'invio di un sample_output genera 6 punti.

🗂️ Risorse utili

• Starter Kit completo – contiene uno scheletro da cui potete iniziare la risoluzione del problema