加载中...
题目 #27
作者:Mihai Nan
难度
您的最佳成绩
不适用
对于这个问题,您需要实现一个回归模型,能够使用可用的数据集预测考试成绩(Exam_Score)。数据集以CSV文件形式组织,模型性能将基于**平均绝对误差(MAE)**进行评估。
数据集包含以下列:
计算训练集中Hours_Studied列的平均值。对于测试集中的每个学生,确定其Hours_Studied与计算出的平均值之间差值的绝对值。
确定测试集中每个学生是否睡眠不足(<7小时)。结果为True或False。
统计训练集中有多少学生的先前分数(Previous_Scores)大于或等于测试集中每个学生的分数。
确定训练集中与测试集每个学生具有相同动机水平(Motivation_Level)的学生数量。
构建一个回归模型来基于提供的特征预测Exam_Score。模型需要在新数据上具有泛化能力,并将使用MAE进行评估。
Exam_Scoretrain_data.csv上训练并在test_data.csv上评估提交文件必须是包含三列的CSV文件:
| 列名 | 类型 | 描述 |
|---|---|---|
subtaskID | integer | 表示子任务的ID(从1到5)。 |
datapointID | integer/string | 表示测试集中行的唯一标识符(ID)。 |
answer | float / int / bool | 相应子任务的答案。值的类型取决于子任务: • 子任务1: float • 子任务2: boolean • 子任务3: integer • 子任务4: integer • 子任务5: float(模型预测) |
| subtaskID | datapointID | answer |
|---|---|---|
| 1 | 101 | 12.5 |
| 2 | 101 | True |
| 3 | 101 | 7 |
| 4 | 101 | 3 |
| 5 | 101 | 85.3 |
重要提示: CSV中的每一行代表单个子任务和单个数据点的答案。对于每个
datapointID,每个子任务都必须有一行。
提交sample_output可获得6分。