Egzamino rezultato prognozavimas - OJIA 3 simuliacija

🏫 Egzamino balo prognozavimas

Šiai problemai turite įgyvendinti regresijos modelį, kuris gali prognozuoti egzamino balą (Exam_Score) naudodamas turimą duomenų rinkinį. Duomenų rinkinys yra organizuotas CSV faile, o modelio našumas bus vertinamas pagal vidutinę absoliučią paklaidą (MAE).

---

🔹 Duomenų rinkinys

Duomenų rinkinys turi šiuos stulpelius:

• ID: Unikalus studento identifikacijos numeris
• Hours_Studied: Studijoms skirtų valandų skaičius
• Attendance: Dalyvavimo paskaitose procentas
• Parental_Involvement: Tėvų įsitraukimo lygis (Low, Medium, High)
• Access_to_Resources: Prieiga prie švietimo išteklių (Low, Medium, High)
• Extracurricular_Activities: Dalyvavimas neformaliojo ugdymo veikloje (Yes/No)
• Sleep_Hours: Vidutinis miego valandų skaičius per naktį
• Previous_Scores: Anksčiau gauti egzaminų balai
• Motivation_Level: Motyvacijos lygis (Low, Medium, High)
• Internet_Access: Prieiga prie interneto studijoms (Yes/No)
• Tutoring_Sessions: Papildomų pamokų skaičius
• Family_Income: Šeimos pajamos (Low, Medium, High)
• Teacher_Quality: Mokytojų kokybė, kaip ją vertina mokinys (Low, Medium, High)
• School_Type: Mokyklos tipas (Public/Private)
• Peer_Influence: Bendraamžių poveikis mokiniui (Negative, Neutral, Positive)
• Physical_Activity: Fizinio aktyvumo valandų skaičius per savaitę
• Learning_Disabilities: Mokymosi sunkumų buvimas (Yes/No)
• Parental_Education_Level: Tėvų išsilavinimo lygis (High School, College, Postgraduate)
• Distance_from_Home: Atstumas nuo namų iki mokyklos (Near, Moderate, Far)
• Gender: Mokinio lytis (Male/Female)
• Exam_Score: Tikslinė kintamoji, egzamino balas (skaitinė reikšmė)

---

📚 Užduotys

Subtask 1 (10 taškų)

Apskaičiuokite Hours_Studied stulpelio reikšmių vidurkį mokymo rinkinyje. Kiekvienam testinio rinkinio studentui nustatykite Hours_Studied ir apskaičiuoto vidurkio skirtumo modulį.

Subtask 2 (10 taškų)

Nustatykite kiekvienam testinio rinkinio studentui, ar jis miega mažai (<7 valandos). Rezultatas bus True arba False.

Subtask 3 (10 taškų)

Suskaičiuokite, kiek mokymo rinkinio studentų turėjo ankstesnį balą (Previous_Scores) didesnį arba lygų kiekvieno testinio rinkinio studento balui.

Subtask 4 (10 taškų)

Nustatykite mokymo rinkinio studentų, turinčių tokį patį motyvacijos lygį (Motivation_Level) kaip kiekvienas testinio rinkinio studentas, skaičių.

Subtask 5 (60 taškų)

Sukurkite regresijos modelį Exam_Score prognozavimui pagal pateiktas charakteristikas. Modelis turi generalizuoti naujus duomenis ir bus vertinamas pagal MAE.

---

📊 Pastabos apie duomenų rinkinį

• Tikslinė charakteristika: Exam_Score
• Modelis turi būti mokomas su train_data.csv ir vertinamas su test_data.csv
• Rekomenduojama patikrinti trūkstamas reikšmes ir normalizuoti charakteristikas.

---

⚙️ Vertinimo kriterijai

• Našumas: Kuo mažesnis MAE

---

📨 Pateikimo failo formatas

Pateikimo failas turi būti CSV su tiksliai trimis stulpeliais:

Stulpelis	Tipas	Aprašymas
subtaskID	integer	Atstovauja užduoties ID (nuo 1 iki 5).
datapointID	integer/string	Atstovauja unikalų testinio rinkinio eilutės identifikatorių (ID).
answer	float / int / bool	Atsakymas atitinkamai užduočiai. Reikšmės tipas priklauso nuo užduoties: • Subtask 1: float • Subtask 2: boolean • Subtask 3: integer • Subtask 4: integer • Subtask 5: float (modelio prognozės)

🔹 Pavyzdžiai

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

Svarbu: Kiekviena CSV eilutė atstovauja atsakymą vienai užduočiai ir vienam duomenų taškui. Kiekvienam datapointID turi būti po vieną eilutę kiekvienai užduočiai.

---

📝 Pastaba

Sample_output pateikimas generuoja 6 taškus.

🗂️ Naudingi ištekliai

• Pilnas Starter Kit – turi šabloną, nuo kurio galite pradėti spręsti problemą