Assignment aims and structure

The goal of this assignment is to apply what you have learned from this module, including the topics of polynomial regression, splines, tree-based methods and deep learning neural networks, to model a real data set. This assignment is worth 50% of your final mark. The submitted assignment should be written in a report style.

Data set

First, please select a data set from the UC Irvine Machine Learning Repository  https://archive.ics.uci.edu/ml/index.php. If you have another data set you would like to use  that is not from this repository, please confirm this is ok with the lecturer before proceeding. You should choose a data set that you find interesting! The aim is to then explore it and  formulate a problem (specifying response(s) and predictors) to tackle.

Please use the outline below to organize your report (in parentheses the contribution of each part).

Introduction (15%)

In this part you should highlight motivation and research questions, describe the data and the variables, and perform an initial exploratory analysis.

Analysis and Modelling (50%)

In  this  part,  select  at  least  two  methods  from  the  following  general  categories:  (i) polynomial regression or splines, (ii) tree-based methods and (iii) deep learning neural networks. You may implement as many methods as you want, but no less than two. Note that ifyou choose to select exactly two methods, then these should not belong to the same category.  Please also provide motivations/justifications of your choice. Based on the  methods you choose, proceed to an accordingly appropriate analysis. Compare the selected methods in terms of predictive performance. Produce appropriate plots and numerical summaries in order to evaluate the predictive accuracy of the methods. You may apply things learned during workshops, but also feel free to be creative and to experiment with methods.

Discussion and Further work (15%)