Trudność
Twój najlepszy wynik
Nie dotyczy
Narodowa spółka kolejowa chce przewidywać opóźnienie pociągu (w minutach, liczba całkowita) w momencie przybycia na stację końcową. W tym celu otrzymujecie zbiór danych ze szczegółami dotyczącymi kursów z ostatniego roku.
Dla każdego kursu znamy następujące charakterystyki:
| Nazwa | Typ | Opis |
|---|---|---|
SampleID | int | Unikalny identyfikator próbki |
departure_time | string (HH:MM) | Godzina odjazdu pociągu |
distance_km | float | Całkowita odległość trasy |
avg_speed_kmh | float | Rzeczywista średnia prędkość przemieszczania |
num_stops | int | Liczba przystanków pośrednich |
weather | kategoria | Warunki pogodowe: sunny, rain, snow, fog |
weekday | kategoria | Dzień tygodnia |
special_events | 0/1 | Wydarzenia wyjątkowe na trasie |
num_cars | int | Liczba wagonów |
ticket_price | float | Cena biletu |
comfort_class | kategoria | standard, intermediate, premium |
delay_minutes | int | Zmienna docelowa – opóźnienie pociągu w minutach |
Informacja delay_minutes jest dostępna tylko w zbiorze treningowym (train.csv).
Musicie wytrenować model zdolny do przewidywania delay_minutes na podstawie pozostałych charakterystyk.
Musicie przesłać plik csv (submission.csv) w następującym formacie:
SampleID,delay_minutes0,121,32,15gdzie:
SampleID musi się zgadzać z wartościami z test.csvdelay_minutes to przewidywanie waszego modelu, zaokrąglone do liczby całkowitejOcena będzie przeprowadzona przy użyciu MAE (Mean Absolute Error):
Końcowy wynik jest obliczany na podstawie uzyskanego wyniku MAE używając następujących zasad: