Förutsägelse av examensresultat - OJIA 3 Simulering

🏫 Förutsägelse av examensresultat

För denna uppgift måste du implementera en regressionsmodell som kan förutsäga examensresultatet (Exam_Score) med hjälp av en tillgänglig dataset. Datasetet är organiserat i en CSV-fil, och modellens prestanda kommer att utvärderas baserat på Mean Absolute Error (MAE).

---

🔹 Datasetet

Datasetet innehåller följande kolumner:

• ID: Unikt identifikationsnummer för studenten
• Hours_Studied: Antal timmar som spenderats på att studera
• Attendance: Procentuell närvaro vid lektioner
• Parental_Involvement: Nivå av föräldraengagemang (Low, Medium, High)
• Access_to_Resources: Tillgång till utbildningsresurser (Low, Medium, High)
• Extracurricular_Activities: Deltagande i extracurriculära aktiviteter (Yes/No)
• Sleep_Hours: Genomsnittligt antal timmars sömn per natt
• Previous_Scores: Tidigare erhållna examensresultat
• Motivation_Level: Motivationsnivå (Low, Medium, High)
• Internet_Access: Tillgång till internet för studier (Yes/No)
• Tutoring_Sessions: Antal handledningstillfällen
• Family_Income: Familjens inkomst (Low, Medium, High)
• Teacher_Quality: Lärarnas kvalitet som uppfattas av eleven (Low, Medium, High)
• School_Type: Typ av skola (Public/Private)
• Peer_Influence: Kamraternas inflytande på eleven (Negative, Neutral, Positive)
• Physical_Activity: Antal timmar fysisk aktivitet per vecka
• Learning_Disabilities: Förekomst av inlärningssvårigheter (Yes/No)
• Parental_Education_Level: Föräldrarnas utbildningsnivå (High School, College, Postgraduate)
• Distance_from_Home: Avstånd mellan hem och skola (Near, Moderate, Far)
• Gender: Elevens kön (Male/Female)
• Exam_Score: Målvariabeln, examensresultatet (numeriskt värde)

---

📚 Uppgifter

Deluppgift 1 (10 poäng)

Beräkna medelvärdet av värdena i kolumnen Hours_Studied på träningssetet. För varje student i testet, bestäm absolutvärdet av skillnaden mellan Hours_Studied och det beräknade medelvärdet.

Deluppgift 2 (10 poäng)

Bestäm för varje student i testet om denne sover lite (<7 timmar). Resultatet ska vara True eller False.

Deluppgift 3 (10 poäng)

Räkna hur många studenter i träningssetet som hade ett tidigare resultat (Previous_Scores) större än eller lika med varje student i testet.

Deluppgift 4 (10 poäng)

Bestäm antalet studenter i träningen med samma motivationsnivå (Motivation_Level) som varje student i testet.

Deluppgift 5 (60 poäng)

Bygg en regressionsmodell för att förutsäga Exam_Score baserat på de tillhandahållna egenskaperna. Modellen måste generalisera på nya data och kommer att utvärderas med MAE.

---

📊 Anteckningar om datasetet

• Målfält: Exam_Score
• Modellen måste tränas på train_data.csv och utvärderas på test_data.csv
• Det rekommenderas att kontrollera saknade värden och normalisera egenskaperna.

---

⚙️ Utvärderingskriterier

• Prestanda: MAE så lågt som möjligt

---

📨 Format för inlämningsfilen

Inlämningsfilen måste vara en CSV med exakt tre kolumner:

Kolumn	Typ	Beskrivning
subtaskID	integer	Representerar deluppgiftens ID (från 1 till 5).
datapointID	integer/string	Representerar den unika identifieraren för raden i testsetet (ID).
answer	float / int / bool	Svaret för respektive deluppgift. Värdetypen beror på deluppgiften: • Deluppgift 1: float • Deluppgift 2: boolean • Deluppgift 3: integer • Deluppgift 4: integer • Deluppgift 5: float (modellförutsägelser)

🔹 Exempel

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

Viktigt: Varje rad i CSV:n representerar svaret för en enda deluppgift och en enda datapunkt. För varje datapointID måste det finnas en rad för varje deluppgift.

---

📝 Anteckning

Att skicka in en sample_output genererar 6 poäng.

🗂️ Användbara resurser

• Komplett Starter Kit – innehåller ett skelett som du kan utgå från för att lösa problemet