Traukinio vėlavimo prognozė - Sudėtingumas: EASY

Užduoties aprašymas

🚆 Traukinio vėlavimo prognozavimas ⏱️

🇷🇴 Kontekstas 🚃

Nacionalė geležinkelių kompanija nori prognozuoti traukinio vėlavimą (minutėmis, sveikasis skaičius) atvykimo į galutinę stotį metu. Šiam tikslui jums pateikiamas duomenų rinkinys su išsamia informacija apie praėjusių metų reisus.

Kiekvienam reisui žinome šias charakteristikas:

Pavadinimas	Tipas	Aprašymas
`SampleID`	int	Unikalus mėginio identifikatorius
`departure_time`	string (HH:MM)	Traukinio išvykimo laikas
`distance_km`	float	Bendras maršruto atstumas
`avg_speed_kmh`	float	Vidutinis realus judėjimo greitis
`num_stops`	int	Tarpinių stotelių skaičius
`weather`	kategorija	Oro sąlygos: `sunny`, `rain`, `snow`, `fog`
`weekday`	kategorija	Savaitės diena
`special_events`	0/1	Išskirtiniai įvykiai maršrute
`num_cars`	int	Vagonų skaičius
`ticket_price`	float	Bilieto kaina
`comfort_class`	kategorija	`standard`, `intermediate`, `premium`
`delay_minutes`	int	Tikslo kintamasis – traukinio vėlavimas minutėmis

Informacija delay_minutes prieinama tik mokymo rinkinyje (train.csv).

🎯 Uždavinio tikslas ⏱️

Turite išmokyti modelį, kuris galėtų prognozuoti delay_minutes remiantis kitomis charakteristikomis.

📝 Pateikimo formatas

Turite įkelti csv failą (submission.csv) tokiu formatu:

Python
1SampleID,delay_minutes20,1231,342,15

kur:

SampleID turi sutapti su reikšmėmis iš test.csv
delay_minutes yra jūsų modelio prognozė, suapvalinta iki sveikojo skaičiaus

📊 Vertinimas

Vertinimas bus atliekamas naudojant MAE (Mean Absolute Error):

$MAE$

Galutinis balas apskaičiuojamas pagal gautą MAE rezultatą naudojant šias taisykles:

MAE ≤ 5 → 100 balų
MAE ≥ 20 → 0 balų
Tarpinėms reikšmėms skiriamas proporcionalus balas tarp 0 ir 100.