Завантаження...
Складність
Ваш найкращий результат
Н/Д
Федеральна авіаційна адміністрація хоче розробити систему, здатну прогнозувати затримку рейсу (у хвилинах) при прибутті, на основі історичної інформації про авіакомпанії, аеропорти та операційні умови.
Для цієї мети вам надається набір даних, агрегований на рівні:
(рік, місяць, авіакомпанія, аеропорт).
| Назва | Опис |
|---|---|
sample_id | Унікальний ID зразка (напр.: 0194048) |
year | Рік звітності |
month | Місяць звітності |
carrier | Код авіакомпанії |
carrier_name | Повна назва авіакомпанії |
airport | Код аеропорту (IATA) |
airport_name | Назва аеропорту |
arr_flights | Загальна кількість рейсів, що прибули |
arr_del15 | Кількість прибуттів із затримкою >15 хвилин |
carrier_ct | Затримки, що відносяться до оператора |
weather_ct | Затримки, спричинені погодними умовами |
nas_ct | Затримки, спричинені національною системою (NAS) |
security_ct | Затримки безпеки |
late_aircraft_ct | Затримки, спричинені літаками, що прибули пізно |
arr_cancelled | Скасовані рейси |
arr_diverted | Перенаправлені рейси |
delay | Цільова змінна — загальна затримка при прибутті (хвилини, доступна лише в train.csv) |
Примітка: У файлі
test.csvколонкаdelayвідсутня і має бути спрогнозована.
Навчіть модель, який прогнозує delay (у хвилинах), використовуючи вищезазначені характеристики.
Кінцевий результат буде переданий у вигляді файлу submission.csv.
Файл має бути:
sample_id,delay0194048,1320194049,00194050,215де:
sample_id має збігатися зі значеннями з test.csvdelay представляє ціле число, прогноз моделіОцінювання проводиться за допомогою MAE (Mean Absolute Error):
Успіхів і гладкого польоту! ✨