🏫 Prediksjon av studenters akademiske status
For dette problemet må du implementere en klassifikasjonsmodell som kan predikere den akademiske statusen til en student (Target) ved å bruke et tilgjengelig datasett. Datasettet er organisert i en CSV-fil, og modellens ytelse vil bli evaluert basert på F1-score.
🔹 Datasettet
Datasettet inneholder følgende kolonner:
- SampleID: Unik identifikator for hver student
- Marital status: Studentens sivilstatus (Single, Married, Other)
- Application mode: Søknadsmåte (Online, In person, Other)
- Application order: Søknadsrekkefølge (numerisk)
- Course: Kurset studenten har meldt seg på
- Daytime/evening attendance: Type oppmøte (Daytime/Evening)
- Previous qualification: Tidligere utdanningsnivå (High School, College)
- Nacionality: Studentens nasjonalitet
- Mother's qualification: Morens utdanningsnivå
- Father's qualification: Farens utdanningsnivå
- Mother's occupation: Morens yrke
- Father's occupation: Farens yrke
- Displaced: Studenten er flyttet/utlending (Yes/No)
- Educational special needs: Spesielle utdanningsbehov (Yes/No)
- Debtor: Student med gjeld (Yes/No)
- Tuition fees up to date: Skolepenger er betalt (Yes/No)
- Gender: Studentens kjønn (Male/Female)
- Scholarship holder: Student med stipend (Yes/No)
- Age at enrollment: Alder ved innmelding
- International: Internasjonal student (Yes/No)
- Curricular units 1st sem (credited): Krediterte kurs i første semester
- Curricular units 1st sem (enrolled): Påmeldte kurs i første semester
- Curricular units 1st sem (evaluations): Evalueringer gjennomført i første semester
- Curricular units 1st sem (approved): Godkjente kurs i første semester
- Curricular units 1st sem (grade): Karakterer oppnådd i første semester
- Curricular units 1st sem (without evaluations): Kurs uten evalueringer i første semester
- Curricular units 2nd sem (credited): Krediterte kurs i andre semester
- Curricular units 2nd sem (enrolled): Påmeldte kurs i andre semester
- Curricular units 2nd sem (evaluations): Evalueringer gjennomført i andre semester
- Curricular units 2nd sem (approved): Godkjente kurs i andre semester
- Curricular units 2nd sem (grade): Karakterer oppnådd i andre semester
- Curricular units 2nd sem (without evaluations): Kurs uten evalueringer i andre semester
- Unemployment rate: Arbeidsledighetsrate i studentens region
- Inflation rate: Inflasjonsrate
- GDP: Bruttonasjonalprodukt (GDP)
- Target: Målvariabelen, studentens akademiske status (Dropout, Enrolled, Graduate)
📊 Notater om datasettet
- Målfelt:
Target
- Modellen må trenes på
train.csv og evalueres på test.csv
⚙️ Evalueringskriterier
- Ytelse: Høyest mulig F1-score
📨 Format for innleveringsfil
Innleveringsfilen må være en CSV med nøyaktig to kolonner:
| Kolonne | Type | Beskrivelse |
|---|
SampleID | integer | Representerer unik identifikator for raden fra testsettet |
Target | String | Klasseprediksjonen for studenten (Dropout, Enrolled, Graduate) |
🔹 Eksempler
| SampleID | Target |
|---|
| 101 | Dropout |
| 102 | Enrolled |
| 103 | Graduate |
Viktig: Hver rad i CSV-en representerer prediksjonen for en enkelt student fra testen.
📝 Notat
Poengsummen tildeles basert på F1-score oppnådd av modellen på testsettet. For å oppnå maksimal poengsum må F1 være minst 0.75, og verdier under 0.5 vil få 0 poeng, resten skaleres proporsjonalt.
🗂️ Nyttige ressurser
- Starter Kit – inneholder et skjelett du kan starte løsningen fra
