Bilişsel Performans Tahmini (Datathon 2026)

Datathon 2026 (YZTA) kapsamında; uyku, stres, fiziksel aktivite, çalışma saatleri ve demografik bilgiler gibi değişkenlerden bir bilişsel performans skorunu tahmin etmek için geliştirdiğim regresyon modellerini içerir. Çözümler Kaggle üzerinde RMSE metriğiyle değerlendirildi; depo, en iyi sonuç veren model sürümlerini ve final harmanlama betiğini barındırıyor.

Yaklaşım

• Eksik verinin rastgele olmadığı varsayımıyla eksiklik bayrakları (missing indicator) ve IterativeImputer ile doldurma
• Vücut kitle indeksi gibi değişkenlerde aykırı değer kırpma
• Uyku düzensizliği, uyku verimliliği, stres × iş yükü ve birleşik sağlık skoru gibi türetilmiş özellikler
• 5 katlı çapraz doğrulama ile CatBoost regresyon modelleri ve pseudo-labelling denemesi
• En iyi üç modelin ağırlıklı harmanlanması (0,40 / 0,30 / 0,30) ile final tahmin

Her model sürümü (v14, v21, v22, v23) ayrı bir betik olarak tutuldu; böylece her tekniğin etkisi adım adım karşılaştırılabiliyor.

Teknolojiler

Python, pandas, NumPy, CatBoost, scikit-learn.