Flight delay prediction - 难度: MEDIUM

题目描述

✈️ 航班延误预测 🕒

联邦航空管理局希望开发一个能够基于航空公司、机场和运营条件的历史信息来预测航班延误（以分钟为单位）到达时间的系统。

为此目的，为您提供了一个按以下级别聚合的数据集：
（年、月、航空公司、机场）。

名称	描述
`sample_id`	样本的唯一ID（例：`0194048`）
`year`	报告年份
`month`	报告月份
`carrier`	航空公司代码
`carrier_name`	航空公司全名
`airport`	机场代码（IATA）
`airport_name`	机场名称
`arr_flights`	到达的航班总数
`arr_del15`	延误超过15分钟的到达航班数
`carrier_ct`	归因于运营商的延误
`weather_ct`	由天气条件造成的延误
`nas_ct`	由国家系统（NAS）造成的延误
`security_ct`	安全延误
`late_aircraft_ct`	由晚到飞机造成的延误
`arr_cancelled`	取消的航班
`arr_diverted`	改航的航班
`delay`	目标变量 — 到达总延误时间（分钟，仅在`train.csv`中可用）

注意： 在test.csv文件中，delay列是缺失的，需要进行预测。

训练一个使用上述特征预测delay（以分钟为单位）的模型。

最终结果将以submission.csv文件的形式提交。

文件必须是：

Python
1sample_id,delay20194048,13230194049,040194050,215

其中：

评估使用MAE（平均绝对误差）：

$MAE$

祝您成功，一路顺风！ ✨

文件

提交解答

手动上传结果文件，也可以附上源代码。总计不超过 100MB

点击上传或拖放文件

CSV、ZIP 等（最大 100MB）

点击上传或拖放文件

压缩包、笔记本或代码文件

登录以上传提交。

或

在 Google Colab 中作答并提交

打开为本题准备的笔记本。第一个单元格会连接题目并下载可用数据；完成后，可直接从笔记本提交文件进行评测。

从 Colab 提交的文件使用相同的评测器和提交限制。可在“我的提交”中查看结果。

MLCompete 只能访问它在 Google Drive 中创建的笔记本，无法访问您的其他文件。

无法打开？使用临时代码

在此生成代码，打开公共笔记本，并在第一个单元格提示时输入该代码。

请先登录 MLCompete，再生成工作区代码。

仅在笔记本提示时粘贴工作区代码，切勿与他人分享。