Ładowanie...
Zadanie #21
Autor:Mihai Nan
Trudność
Twój najlepszy wynik
Nie dotyczy
Celem jest zbudowanie modelu regresji, który przewidzi dzienną produkcję energii elektrycznej (kWh) panelu słonecznego, na podstawie warunków meteorologicznych i charakterystyk instalacji.
Każda próbka reprezentuje dzień produkcji i jest charakteryzowana przez kilka atrybutów numerycznych, takich jak intensywność światła, temperatura powietrza, prędkość wiatru i inne.
Etykieta docelowa (energy_output) reprezentuje całkowitą energię wygenerowaną w danym dniu.
Ten problem należy do kategorii regresji jednowymiarowej.
solar_irradiance – średnie promieniowanie słoneczne (W/m²)temperature – średnia temperatura powietrza (°C)humidity – wilgotność względna (%)wind_speed – średnia prędkość wiatru (m/s)cloud_cover – średnie zachmurzenie (%)panel_angle – kąt nachylenia panelu (°)panel_efficiency – wydajność panelu (%)train.csvZawiera wszystkie kolumny cech plus kolumnę energy_output, która reprezentuje wartość docelową.
Przykład:
| SampleID | solar_irradiance | temperature | humidity | wind_speed | cloud_cover | panel_angle | panel_efficiency | energy_output |
|---|---|---|---|---|---|---|---|---|
| 1 | 750.5 | 25.2 | 40.0 | 3.5 | 10 | 30 | 18.5 | 42.3 |
| 2 | 610.0 | 22.1 | 55.0 | 2.0 | 50 | 25 | 17.0 | 28.7 |
test.csvZawiera te same kolumny co train.csv, ale bez energy_output, i zawiera SampleID.
Plik wyjściowy (submission.csv) musi zawierać dokładnie dwie kolumny:
SampleIDenergy_output – wartość przewidziana przez model (float, z 2 miejscami dziesiętnymi)Przykład:
| SampleID | energy_output |
|---|---|
| 1 | 41.75 |
| 2 | 29.10 |
| 3 | 35.80 |
Ocena modeli będzie przeprowadzona przy użyciu Root Mean Squared Error (RMSE):
gdzie N to liczba przykładów w zbiorze testowym, y_i to wartość rzeczywista, a y^_i to wartość przewidziana przez model.
Wynik końcowy zostanie przeskalowany między 0 a 100, tak aby niski RMSE prowadził do wysokiego wyniku.
Dane użyte do tego problemu są generowane syntetycznie.