Przewidywanie wyniku egzaminu - Symulacja OJIA 3

🏫 Przewidywanie wyniku egzaminu

Dla tego problemu musisz zaimplementować model regresji zdolny do przewidywania wyniku uzyskanego na egzaminie (Exam_Score) wykorzystując dostępny zbiór danych. Zbiór danych jest zorganizowany w pliku CSV, a wydajność modelu będzie oceniana na podstawie Mean Absolute Error (MAE).

---

🔹 Zbiór danych

Zbiór danych zawiera następujące kolumny:

• ID: Unikalny numer identyfikacyjny studenta
• Hours_Studied: Liczba godzin spędzonych na nauce
• Attendance: Procent obecności na zajęciach
• Parental_Involvement: Poziom zaangażowania rodziców (Low, Medium, High)
• Access_to_Resources: Dostęp do zasobów edukacyjnych (Low, Medium, High)
• Extracurricular_Activities: Udział w zajęciach pozalekcyjnych (Yes/No)
• Sleep_Hours: Średnia liczba godzin snu na noc
• Previous_Scores: Wyniki uzyskane wcześniej na egzaminach
• Motivation_Level: Poziom motywacji (Low, Medium, High)
• Internet_Access: Dostęp do internetu do nauki (Yes/No)
• Tutoring_Sessions: Liczba sesji korepetycji
• Family_Income: Dochód rodziny (Low, Medium, High)
• Teacher_Quality: Jakość nauczycieli postrzegana przez ucznia (Low, Medium, High)
• School_Type: Typ szkoły (Public/Private)
• Peer_Influence: Wpływ rówieśników na ucznia (Negative, Neutral, Positive)
• Physical_Activity: Liczba godzin aktywności fizycznej tygodniowo
• Learning_Disabilities: Obecność trudności w nauce (Yes/No)
• Parental_Education_Level: Poziom wykształcenia rodziców (High School, College, Postgraduate)
• Distance_from_Home: Odległość między domem a szkołą (Near, Moderate, Far)
• Gender: Płeć ucznia (Male/Female)
• Exam_Score: Zmienna docelowa, wynik uzyskany na egzaminie (wartość numeryczna)

---

📚 Zadania

Podzadanie 1 (10 punktów)

Oblicz średnią wartości z kolumny Hours_Studied na zbiorze treningowym. Dla każdego studenta z testu określ moduł różnicy między Hours_Studied a obliczoną średnią.

Podzadanie 2 (10 punktów)

Określ dla każdego studenta z testu, czy śpi mało (<7 godzin). Wynik będzie True lub False.

Podzadanie 3 (10 punktów)

Policz ilu studentów ze zbioru treningowego miało poprzedni wynik (Previous_Scores) większy lub równy każdemu studentowi z testu.

Podzadanie 4 (10 punktów)

Określ liczbę studentów z treningu o tym samym poziomie motywacji (Motivation_Level) co każdy student z testu.

Podzadanie 5 (60 punktów)

Zbuduj model regresji do przewidywania Exam_Score na podstawie dostarczonych cech. Model musi generalizować na nowych danych i będzie oceniany za pomocą MAE.

---

📊 Uwagi dotyczące zbioru danych

• Pole docelowe: Exam_Score
• Model musi być wytrenowany na train_data.csv i oceniony na test_data.csv
• Zaleca się sprawdzenie brakujących wartości i normalizację cech.

---

⚙️ Kryteria oceny

• Wydajność: MAE jak najniższy

---

📨 Format pliku zgłoszenia

Plik zgłoszenia musi być CSV z dokładnie trzema kolumnami:

Kolumna	Typ	Opis
subtaskID	integer	Reprezentuje ID podzadania (od 1 do 5).
datapointID	integer/string	Reprezentuje unikalny identyfikator wiersza ze zbioru testowego (ID).
answer	float / int / bool	Odpowiedź dla odpowiedniego podzadania. Typ wartości zależy od podzadania: • Podzadanie 1: float • Podzadanie 2: boolean • Podzadanie 3: integer • Podzadanie 4: integer • Podzadanie 5: float (przewidywania modelu)

🔹 Przykłady

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

Ważne: Każdy wiersz w CSV reprezentuje odpowiedź dla jednego podzadania i jednego punktu danych. Dla każdego datapointID musi istnieć po jednym wierszu dla każdego podzadania.

---

📝 Uwaga

Przesłanie sample_output generuje 6 punktów.

🗂️ Przydatne zasoby

• Kompletny Starter Kit – zawiera szkielet, od którego możesz rozpocząć rozwiązywanie problemu