Prediksjon av eksamensresultat - OJIA 3 Simulering

🏫 Prediksjon av eksamensresultat

For dette problemet må du implementere en regresjonsmodell som kan predikere eksamensresultatet (Exam_Score) ved hjelp av et tilgjengelig datasett. Datasettet er organisert i en CSV-fil, og modellens ytelse vil bli evaluert basert på Mean Absolute Error (MAE).

---

🔹 Datasettet

Datasettet inneholder følgende kolonner:

• ID: Unikt identifikasjonsnummer for studenten
• Hours_Studied: Antall timer brukt på studier
• Attendance: Prosentandel oppmøte på forelesninger
• Parental_Involvement: Nivå av foreldreengasjement (Low, Medium, High)
• Access_to_Resources: Tilgang til utdanningsressurser (Low, Medium, High)
• Extracurricular_Activities: Deltakelse i fritidsaktiviteter (Yes/No)
• Sleep_Hours: Gjennomsnittlig antall timer søvn per natt
• Previous_Scores: Tidligere oppnådde eksamensresultater
• Motivation_Level: Motivasjonsnivå (Low, Medium, High)
• Internet_Access: Internettilgang for studier (Yes/No)
• Tutoring_Sessions: Antall veiledningsøkter
• Family_Income: Familieinntekt (Low, Medium, High)
• Teacher_Quality: Kvalitet på lærere som oppfattet av eleven (Low, Medium, High)
• School_Type: Type skole (Public/Private)
• Peer_Influence: Påvirkning fra medelever på eleven (Negative, Neutral, Positive)
• Physical_Activity: Antall timer fysisk aktivitet per uke
• Learning_Disabilities: Tilstedeværelse av lærevansker (Yes/No)
• Parental_Education_Level: Utdanningsnivå til foreldrene (High School, College, Postgraduate)
• Distance_from_Home: Avstand mellom hjem og skole (Near, Moderate, Far)
• Gender: Elevens kjønn (Male/Female)
• Exam_Score: Målvariabelen, eksamensresultat (numerisk verdi)

---

📚 Oppgaver

Deloppgave 1 (10 poeng)

Beregn gjennomsnittet av verdiene i kolonnen Hours_Studied på treningssettet. For hver student i testsettet, bestem absoluttverdien av forskjellen mellom Hours_Studied og det beregnede gjennomsnittet.

Deloppgave 2 (10 poeng)

Bestem for hver student i testsettet om denne sover lite (<7 timer). Resultatet vil være True eller False.

Deloppgave 3 (10 poeng)

Tell hvor mange studenter fra treningssettet som hadde et tidligere resultat (Previous_Scores) større enn eller lik hver student i testsettet.

Deloppgave 4 (10 poeng)

Bestem antall studenter fra treningssettet med samme motivasjonsnivå (Motivation_Level) som hver student i testsettet.

Deloppgave 5 (60 poeng)

Bygg en regresjonsmodell for å predikere Exam_Score basert på de oppgitte karakteristikkene. Modellen må generalisere på nye data og vil bli evaluert med MAE.

---

📊 Merknader om datasettet

• Målfeltet: Exam_Score
• Modellen må trenes på train_data.csv og evalueres på test_data.csv
• Det anbefales å sjekke for manglende verdier og normalisere karakteristikkene.

---

⚙️ Evalueringskriterier

• Ytelse: MAE så lav som mulig

---

📨 Format for innleveringsfil

Innleveringsfilen må være en CSV med nøyaktig tre kolonner:

Kolonne	Type	Beskrivelse
subtaskID	integer	Representerer ID-en til deloppgaven (fra 1 til 5).
datapointID	integer/string	Representerer unik identifikator for raden fra testsettet (ID).
answer	float / int / bool	Svaret for den respektive deloppgaven. Verditypen avhenger av deloppgaven: • Deloppgave 1: float • Deloppgave 2: boolean • Deloppgave 3: integer • Deloppgave 4: integer • Deloppgave 5: float (modellprediksjoner)

🔹 Eksempler

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

Viktig: Hver rad i CSV-en representerer svaret for en enkelt deloppgave og et enkelt datapunkt. For hver datapointID må det finnes en rad for hver deloppgave.

---

📝 Merknad

Innsending av en sample_output genererer 6 poeng.

🗂️ Nyttige ressurser

• Komplett Starter Kit – inneholder et skjelett du kan starte problemløsningen fra