Predictia temperaturii medii zilnice

🌡️ Predicția temperaturii medii zilnice

Descrierea problemei

Se dorește construirea unui model de regresie care să prezică temperatura medie zilnică într-un anumit oraș, pe baza unor caracteristici meteorologice.

Fiecare înregistrare este caracterizată prin următoarele atribute:

• humidity – umiditatea relativă (%)
• wind_speed – viteza vântului (km/h)
• pressure – presiunea atmosferică (hPa)
• rainfall – cantitatea de precipitații (mm)
• cloud_cover – acoperirea norilor (%)
• solar_radiation – radiația solară (W/m²)
• day_of_year – ziua anului (1–365)

Eticheta (coloana țintă) este:

• temperature – temperatura medie zilnică (°C)

Această problemă aparține categoriei de regresie continuă.

---

📘 Structura fișierelor de intrare

train.csv

Conține toate coloanele de features plus coloana țintă temperature.
Valorile sunt numerice continue.

SampleID	humidity	wind_speed	pressure	rainfall	cloud_cover	solar_radiation	day_of_year	temperature
1	70.0	15.0	1015.0	2.0	50	500.0	1	22.5
2	65.0	10.0	1018.0	0.0	20	650.0	2	24.0
3	80.0	5.0	1012.0	5.0	80	200.0	3	19.0

test.csv

Conține aceleași coloane fără temperature, dar include SampleID.

SampleID	humidity	wind_speed	pressure	rainfall	cloud_cover	solar_radiation	day_of_year
101	75.0	12.0	1016.0	1.0	60	550.0	101
102	60.0	8.0	1019.0	0.0	10	700.0	102

---

📤 Submisia

Fișierul de ieșire (submission.csv) trebuie să conțină exact două coloane:

• SampleID
• temperature – valoarea prezisă de model (float, °C)

SampleID	temperature
101	23.5
102	25.1
103	21.8

---

⚙️ Evaluarea

Evaluarea modelelor se va face utilizând Root Mean Squared Error (RMSE):

unde:

• N este numărul de exemple din setul de test
• y_i este valoarea reală a temperaturii
• ŷ_i este valoarea prezisă de model

RMSE oferă o măsură a deviației medii pătratice între predicții și valorile reale, exprimată în aceeași unitate ca și ținta (°C).
Un scor RMSE mai mic indică un model mai precis.

---

📊 Sursă

Datasetul este un set sintetic inspirat din date meteorologice reale.