Kungliga diamantbutiken

💎 Kungliga diamantbutiken ✨

I hjärtat av Kungariket ligger Kungliga diamantbutiken, där ädelstenar
av alla former och storlekar förvaras med omsorg.

Butikens väktare vill upptäcka hur värdefulla hans diamanter är,
baserat på deras fysiska och estetiska egenskaper, men pergamenten med priser
har gått förlorade med tiden.

För att hjälpa honom har det kungliga rådet skapat en datasamling:

• train.csv – redan utvärderade diamanter, med alla egenskaper och deras pris
• test.csv – nya diamanter, med kompletta egenskaper, men utan pris

Din uppgift är att upptäcka hemligheterna bakom diamanternas värde genom att använda dataanalys och prediktiva modeller.

📊 Datasetet

Varje rad i filerna train.csv och test.csv representerar en diamant beskriven genom följande egenskaper:

• SampleID – unik identifierare för diamanten
• carat – diamantens vikt (Carat weight of the diamond)
• cut – slipningens kvalitet (Fair, Good, Very Good, Premium, Ideal)
  (quality in increasing order)
• color – diamantens färg (D … J), D är den bästa
• clarity – diamantens klarhet (graden av inneslutningar, från bäst till sämst: FL, IF, VVS1, VVS2, VS1, VS2, SI1, SI2, I1, I2, I3)
• depth – djupet i procent (height from culet to table / average girdle diameter)
• table – bordets bredd i procent av medeldiametern
• x, y, z – diamantens dimensioner i mm (length, width, height)
• price – endast i train.csv, diamantens värde

📝 Uppgifter

Deluppgift 1 (10 poäng)

Klassificera diamanterna från test.csv baserat på deras vikt (carat):

• Light om carat < 0.5
• Medium om 0.5 ≤ carat < 1.5
• Heavy om carat ≥ 1.5

Deluppgift 2 (15 poäng)

Beräkna proportionen mellan depth och table för varje diamant i test:

1proportion = depth / table

Deluppgift 3 (15 poäng)

Bestäm den ungefärliga volymen för varje diamant, använd för detta formeln:

1volym = x * y * z

Deluppgift 4 (60 poäng)

Bygg en metod som kan uppskatta diamantens värde (price)
för varje diamant från test.csv.

Den slutliga utvärderingen kommer att göras med MAE (Mean Absolute Error):

• MAE (ju lägre, desto högre poäng kommer att ges)

🧮 Utvärdering

Poängen för den sista uppgiften tilldelas enligt följande formler:

• MAE ≤ 260 → 60 poäng
• MAE ≥ 300 → 0 poäng
• Mellanliggande värden → proportionell poäng

För deluppgift 1 utvärderas svaren exakt.

För deluppgifterna 2 och 3 utvärderas svaren för de första 2 decimalerna.

📌 Anteckningar

• Kategoriska variabler (cut, color, clarity) kan konverteras numeriskt
  med valfria metoder (ex: LabelEncoder).
• Alla tekniker för analys och prediktion är tillåtna.

📄 Format för inlämningsfilen

Filen submission.csv måste innehålla en rad för varje rad från test
och varje deluppgift:

1subtaskID datapointID answer

• subtaskID – 1, 2, 3 eller 4
• datapointID – SampleID från test
• answer – det beräknade eller förutsagda resultatet

Exempel för en diamant med SampleID = 1023:

1subtaskID datapointID answer21 1023 Medium32 1023 0.61943 1023 0.3454 1023 4578