Förutsägelse av filmbetyg

🎬 Filmpoängprediktion 🍿

I streamingvärlden förlitar sig tjänster som Netflix på data för att förstå vilka filmer och serier som kommer att uppskattas av användare. Du är konsult för en startup som vill förutse en films poäng baserat på dess metadata.

Du har tillgång till en dataset om Netflix-filmer och serier:

• train.csv - filmer och serier med kända poäng
• test.csv - nya filmer och serier, för vilka du måste förutsäga poängen

📊 Datasetet

Varje rad representerar en filmtitel:

• SampleID – unik identifierare för filmen
• Title – namnet på filmen eller serien
• Type – innehållstyp (SHOW)
• Description – kort beskrivning av filmen/serien
• Year – utgivningsår
• Score – endast i train.csv, numeriskt värde som representerar filmens poäng (ex: betyg från kritiker)

Ditt mål är att förutsäga Score för varje titel i test.csv.

📝 Uppgift (100 poäng)

Bygg en maskininlärningsmodell som kan förutsäga det numeriska värdet Score för varje titel i test.csv, med hjälp av tillgängliga kolumner (Title, Type, Description, Year).

🧮 Utvärdering

• Huvudmetriken är MAE (Mean Absolute Error):

• MAE ≤ 0.65 → 100 poäng
• MAE ≥ 2.0 → 0 poäng
• För mellanliggande värden beräknas poängen proportionellt.

📄 Format för inlämningsfilen

Filen submission.csv måste innehålla en rad för varje titel i test:

1SampleID, Score

där:

• SampleID - identifieraren för filmen från test
• Score - det förutsagda numeriska värdet för poäng