Predikcia produkcie solárnej energie

🌞 Predikcia produkcie solárnej energie

Popis problému

Požaduje sa vybudovanie regresného modelu, ktorý bude predpovedať dennú produkciu elektrickej energie (kWh) solárneho panelu na základe meteorologických podmienok a charakteristík inštalácie.

Každá vzorka predstavuje jeden deň produkcie a je charakterizovaná niekoľkými numerickými atribútmi, ako je intenzita svetla, teplota vzduchu, rýchlosť vetra a ďalšie.

Cieľový štítok (energy_output) predstavuje celkovú energiu vygenerovanú v daný deň.

Tento problém patrí do kategórie univariátnej regresie.

---

🔹 Charakteristiky (features)

• solar_irradiance – priemerné slnečné žiarenie (W/m²)
• temperature – priemerná teplota vzduchu (°C)
• humidity – relatívna vlhkosť (%)
• wind_speed – priemerná rýchlosť vetra (m/s)
• cloud_cover – priemerné pokrytie oblakmi (%)
• panel_angle – uhol sklonu panelu (°)
• panel_efficiency – účinnosť panelu (%)

---

📘 Štruktúra vstupných súborov

train.csv

Obsahuje všetky stĺpce features plus stĺpec energy_output, ktorý predstavuje cieľovú hodnotu.

Príklad:

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.csv

Obsahuje tie isté stĺpce ako train.csv, ale bez energy_output, a zahŕňa SampleID.

---

📤 Submisia

Výstupný súbor (submission.csv) musí obsahovať presne dva stĺpce:

• SampleID
• energy_output – hodnota predpovedaná modelom (float, s 2 desatinnými miestami)

Príklad:

SampleID	energy_output
1	41.75
2	29.10
3	35.80

---

⚙️ Hodnotenie

Hodnotenie modelov sa bude vykonávať pomocou Root Mean Squared Error (RMSE):

kde N je počet príkladov v testovacej množine, y_i je skutočná hodnota a y^_i je hodnota predpovedaná modelom.

Finálne skóre sa bude škálovať medzi 0 a 100, tak aby nízke RMSE viedlo k vysokému skóre.

---

📊 Zdroj

Údaje použité pre tento problém sú generované synteticky.