იტვირთება...
სირთულე
თქვენი საუკეთესო შედეგი
არ არის
ეროვნული რკინიგზის კომპანია სურს იწინასწარმეტყველოს მატარებლის დაგვიანება (წუთებში, მთელი რიცხვი) საბოლოო სადგურზე ჩამოსვლის მომენტში. ამ მიზნისთვის თქვენ მოგეწოდებათ მონაცემთა ნაკრები ბოლო წლის მგზავრობების დეტალებით.
ყოველი მგზავრობისთვის ვიცით შემდეგი მახასიათებლები:
| სახელი | ტიპი | აღწერა |
|---|---|---|
SampleID | int | ნიმუშის უნიკალური იდენტიფიკატორი |
departure_time | string (HH:MM) | მატარებლის გამგზავრების დრო |
distance_km | float | მარშრუტის მთლიანი მანძილი |
avg_speed_kmh | float | რეალური მოძრაობის საშუალო სიჩქარე |
num_stops | int | შუალედური გაჩერებების რაოდენობა |
weather | კატეგორია | ამინდის პირობები: sunny, rain, snow, fog |
weekday | კატეგორია | კვირის დღე |
special_events | 0/1 | განსაკუთრებული მოვლენები მარშრუტზე |
num_cars | int | ვაგონების რაოდენობა |
ticket_price | float | ბილეთის ფასი |
comfort_class | კატეგორია | standard, intermediate, premium |
delay_minutes | int | სამიზნე ცვლადი – მატარებლის დაგვიანება წუთებში |
ინფორმაცია delay_minutes ხელმისაწვდომია მხოლოდ სავარჯიშო ნაკრებში (train.csv).
უნდა ავარჯიშოთ მოდელი, რომელიც შეძლებს delay_minutes-ის პროგნოზირებას სხვა მახასიათებლების საფუძველზე.
უნდა ატვირთოთ csv ფაილი (submission.csv) შემდეგი ფორმატით:
SampleID,delay_minutes0,121,32,15სადაც:
SampleID უნდა ემთხვეოდეს test.csv-ის მნიშვნელობებსdelay_minutes არის თქვენი მოდელის პროგნოზი, მრგვალი მთელ რიცხვამდეშეფასება მოხდება MAE (Mean Absolute Error)-ის გამოყენებით:
საბოლოო ქულა გამოითვლება MAE ქულის საფუძველზე შემდეგი წესების გამოყენებით: