Voltline Dealership

ავტორი: Iancu Ștefan Constantin

მარტივი

თქვენი საუკეთესო შედეგი: არ არის

ამოცანის აღწერა

Voltline Dealership

Context

Suntem în anul 2077, iar la reprezentanța Voltline, vechiul hardware "Price-Sync" s-a defectat definitiv. Fără el, dealership-ul nu mai are cum să stabilească prețurile mașinilor. Misiunea ta? Construiește un model de machine learning care poate prezice prețul mașinilor folosind date istorice de vânzări.

Ai la dispoziție două fișiere:

train.csv – informații complete despre mașini
test.csv – aceleași informații, dar fără coloana price

Aceasta este o problemă de regresie: modelul tău va prezice un număr continuu - prețul unei mașini.

Setul de date

Coloană	Tip	Descriere
CarID	int	Identificator unic pentru fiecare mașină
CarName	object	Numele modelului
symboling	float	Rating de risc pentru asigurare
fueltype	object	Tipul de combustibil (ex: gas, diesel)
aspiration	object	Tipul de aspirație al motorului (ex: standard, turbo)
doornumber	object	Numărul de uși (ex: two, four)
carbody	object	Tipul caroseriei (ex: sedan, hatchback, convertible)
drivewheel	object	Tipul tracțiunii (ex: fwd, rwd, 4wd)
enginelocation	object	Locația motorului (ex: front, rear)
wheelbase	float	Distanța dintre axe
carlength	float	Lungimea totală a mașinii
carwidth	float	Lățimea totală a mașinii
carheight	float	Înălțimea totală a mașinii
curbweight	float	Greutatea mașinii fără pasageri sau marfă
enginetype	object	Tipul motorului (ex: ohc, dohc, rotor)
cylindernumber	object	Numărul de cilindri (ex: four, six)
enginesize	int	Capacitatea motorului
fuelsystem	object	Sistemul de alimentare (ex: mpfi, 2bbl)
boreratio	float	Diametrul cilindrilor
stroke	float	Lungimea cursei pistonului
compressionratio	float	Raportul de compresie
horsepower	int	Puterea motorului în cai putere
peakrpm	int	Turația maximă a motorului
citympg	float	Eficiența combustibilului în oraș
highwaympg	float	Eficiența combustibilului pe autostradă
price	float	Prețul mașinii (variabila țintă)

Cerințe

Pentru această problemă trebuie să rezolvi 3 task-uri.

Task 1 – Cel mai frecvent tip de motor (10 puncte)

Găsește valoarea enginetype care apare cel mai frecvent în setul de antrenare.

Task 2 – Prețul mediu al mașinilor pe benzină (20 puncte)

Calculează media coloanei price pentru toate mașinile care folosesc gas drept combustibil, din setul de antrenare. Rezultatul trebuie rotunjit la 2 zecimale.

Task 3 – Predicția prețurilor (70 puncte)

Construiește un model de regresie care prezice price pe baza informațiilor disponibile în train.csv.

Generează predicții pentru fiecare mașină din test.csv.

Evaluare

Task 1 și Task 2 sunt evaluate prin potrivire exactă.
Task 3 este evaluat folosind R² Score:
- R² ≥ 0.95 → 70 puncte
- R² ≤ 0.80 → 0 puncte
- Valorile intermediare primesc punctaj proporțional

Formatul submisiei

Fișierul submission.csv trebuie să conțină următoarele coloane:

subtaskID,datapointID,answer
1,1,ohc
2,1,12728.06
3,436,19811.0
3,441,16306.0

unde:

subtaskID - 1, 2 sau 3
datapointID - 1 pentru Task 1 și Task 2; valoarea CarID din test pentru Task 3
answer - depinde de task:
- Task 1: tipul de motor (string)
- Task 2: prețul mediu rotunjit la 2 zecimale
- Task 3: prețul prezis

Sursă dataset: https://www.kaggle.com/datasets/imgowthamg/car-price/data

ფაილები

ამონახსნის გაგზავნა

ატვირთეთ შედეგის ფაილი და სურვილისამებრ საწყისი კოდი შეფასებისთვის.

გაგზავნილის ფაილი

დააწკაპუნეთ ასატვირთად ან გადმოიტანეთ

CSV, ZIP და სხვ. (მაქს. 100MB)

საწყისი კოდის ფაილი (არასავალდებულო)

დააწკაპუნეთ ასატვირთად ან გადმოიტანეთ

არქივი, ნოუთბუქი ან კოდის ფაილი

შედით გაგზავნილის ასატვირთად.