Prediksjon av filmskår

🎬 Prediksjon av filmskår 🍿

I strømmeverdenen baserer Netflix-lignende tjenester seg på data for å forstå hvilke filmer og serier som vil bli verdsatt av brukerne. Du er konsulent for en oppstart som ønsker å forutse en films skår basert på dens metadata.

Du har tilgang til et datasett om Netflix-filmer og -serier:

• train.csv - filmer og serier med kjente skår
• test.csv - nye filmer og serier som du må predikere skåren for

📊 Datasettet

Hver rad representerer en filmtittel:

• SampleID – unik identifikator for filmen
• Title – navnet på filmen eller serien
• Type – innholdstypen (SHOW)
• Description – kort beskrivelse av filmen / serien
• Year – utgivelsesåret
• Score – kun i train.csv, numerisk verdi som representerer filmens skår (f.eks: rating fra kritikere)

Målet ditt er å predikere Score for hver tittel i test.csv.

📝 Oppgave (100 poeng)

Bygg en maskinlæringsmodell som kan predikere den numeriske verdien Score for hver tittel i test.csv, ved å bruke de tilgjengelige kolonnene (Title, Type, Description, Year).

🧮 Evaluering

• Hovedmålet er MAE (Mean Absolute Error):

• MAE ≤ 0.65 → 100 poeng
• MAE ≥ 2.0 → 0 poeng
• For mellomverdier beregnes poengsummen proporsjonalt.

📄 Format for innleveringsfilen

Filen submission.csv må inneholde en rad for hver tittel i test:

1SampleID, Score

hvor:

• SampleID - identifikatoren for filmen fra test
• Score - den predikerte numeriske verdien for skår