Предвиђање кашњења воза

Предвиђање кашњења воза - Тежина: EASY

Опис задатка

🚆 Predviđanje kašnjenja voza ⏱️

🇷🇸 Kontekst 🚃

Nacionalna železnička kompanija želi da predvidi kašnjenje voza (u minutima, ceo broj) u trenutku dolaska na finalnu stanicu. Za ovu svrhu, dat vam je skup podataka sa detaljima o vožnjama iz prošle godine.

Za svaku vožnju poznajemo sledeće karakteristike:

Ime	Tip	Opis
`SampleID`	int	Jedinstveni identifikator uzorka
`departure_time`	string (HH:MM)	Vreme polaska voza
`distance_km`	float	Ukupna udaljenost trase
`avg_speed_kmh`	float	Stvarna prosečna brzina kretanja
`num_stops`	int	Broj međustajališta
`weather`	kategorija	Vremenski uslovi: `sunny`, `rain`, `snow`, `fog`
`weekday`	kategorija	Dan u nedelji
`special_events`	0/1	Izuzetni događaji na trasi
`num_cars`	int	Broj vagona
`ticket_price`	float	Cena karte
`comfort_class`	kategorija	`standard`, `intermediate`, `premium`
`delay_minutes`	int	Ciljna varijabla – kašnjenje voza u minutima

Informacija delay_minutes je dostupna samo u skupu za obučavanje (train.csv).

🎯 Cilj problema ⏱️

Treba da obučite model sposoban da predvidi delay_minutes na osnovu ostalih karakteristika.

📝 Format submisije

Treba da otpremite csv fajl (submission.csv) sa sledećim formatom:

Python
1SampleID,delay_minutes20,1231,342,15

gde:

SampleID treba da se poklapa sa vrednostima iz test.csv
delay_minutes je predikcija vašeg modela, zaokružena na ceo broj

📊 Evaluacija

Evaluacija će se vršiti koristeći MAE (Mean Absolute Error):

$MAE$

Finalni rezultat se izračunava na osnovu MAE skora dobijenog koristeći sledeća pravila:

MAE ≤ 5 → 100 poena
MAE ≥ 20 → 0 poena
Za međuvrednosti se dodeljuje proporcionalan broj poena između 0 i 100.

Фајлови

Преузми фајлове задатка

Предај решење

Отпремите датотеку са резултатима ручно. Можете да приложите и изворни код.Највише 100 MB укупно

Фајл за предају

Кликни за отпремање или превуци и пусти

CSV, ZIP, итд. (МАКС. 100MB)

Фајл изворног кода (опционо)

Кликни за отпремање или превуци и пусти

Архива, notebook или код фајл

Пријавите се да бисте отпремили предају.

ИЛИ

Радите и предајте из Google Colab-а

Отворите радну свеску припремљену за овај задатак. Прва ћелија повезује задатак и преузима доступне податке; када завршите, пошаљите датотеке на евалуацију директно из радне свеске.

Предаје из Colab-а користе исти систем за евалуацију и иста ограничења. Резултат пратите у одељку Моје предаје.

MLCompete може да приступи само радној свесци коју направи у вашем Google Drive-у, не и другим датотекама.

Не отвара се? Употребите привремени код

Направите код овде, отворите јавну радну свеску и унесите га када га прва ћелија затражи.

Прво се пријавите на MLCompete да бисте направили код радног простора.

Отвори јавну радну свеску у Colab-у

Налепите код радног простора само када га радна свеска затражи. Никада га не делите са другима.