1. Laboration: Rengör data och bygg regression

Labböversikt

Målet med labben är att skapa en första version av en regressionsmodell för att förutse energiförbrukning baserat på temperatur. Du ska visa att du kan:

1. Diagnostisera problem i det scenario du väljer (länkar nedan).
2. Fatta motiverade beslut om hur du rengör varje problem.
3. Träna en enkel linjär regression och dokumentera resultatet (t.ex. trendlinje i Sheets eller scikit-learn).

Välj scenario och ladda ner data

Så laddar du ner

Högerklicka på länken → Öppna länk i ny flik → Filen → Ladda ned (eller Ctrl/Cmd + S). Filen ligger i /public/data/ai-course/ så den fungerar i produktion.

Börja gärna med att kopiera filen till Drive och döp den till scenario-namn-rådata. Gör sedan en kopia scenario-namn-städad där du arbetar.

Scenario: Energioptimering på Årtalsskolan

• Rollspel: Du är dataanalytiker inhyrd av kommunens energiteam. Rektorn vill minska elförbrukningen utan att klassrummen blir kalla.
• Datakälla: Sensorer i en av skolans byggnader loggar temperatur, luftfuktighet, nederbörd och uppskattad energiförbrukning per dygn. Anteckningar (notes) kommer från vaktmästaren som dokumenterar avvikelser.
• Uppdrag: Gör datan användbar så att energiteamet kan bygga en prognosmodell och sätta smartare värmescheman inför vintern.
• Leverabel: En städad dataset + regression som visar hur temperaturen påverkar kWh, inklusive tydliga kommentarer om osäkra punkter.

Förberedelser på Chromebook (Google Sheets)

1. Ladda ner det scenario du valt och ladda upp i Google Drive.
2. Öppna Google Drive → klicka på Ny → Google Kalkylark.
3. Välj Arkiv → Importera → Ladda upp och dra in filen.
4. Välj “Infoga nytt kalkylark” så du behåller originalet orört.
5. Sätt kolumnformat:
   • Markera alla numeriska kolumner (t.ex. temp_c, humidity_percent, rain_mm, solar_index, occupancy_count, co2_ppm, energy_kwh) → Format → Tal → Numeriskt.
   • Markera date → Format → Tal → Datum.
6. Döp fliken till rådata och gör en kopia städad där du utför alla ändringar.

Tips

Använd filter (Data → Skapa ett filter) för att snabbt hitta frågetecken, NA eller dubbletter.

Datasetet i korthet

Steg 1 – Datadiagnos

• Lista alla fel du hittar (saknade värden, avvikande enheter, text, dubletter, extrema värden).
• Notera hur ofta varje problem förekommer.
• Fundera på om du behöver samla in mer metadata innan du kan fatta beslut.

Logguppgift: skriv en punktlista i din laborationslogg där varje problemtyp beskrivs med ett exempel från datasetet och hur du upptäckte det.

Steg 2 – Datastädning

Tips

Skriv ned både vad du gjorde och vad du valde att inte göra samt varför. Det gör det lättare att motivera dina beslut vid redovisningen.

Steg 3 – Bygg regression

• Skapa ett spridningsdiagram i städad-arket: markera temp_c (x-axel) och energy_kwh (y-axel) → Infoga → Diagram → välj “Spridningsdiagram”. Lägg till färg/kategori om du vill segmentera scenario-data.
• Lägg till en trendlinje: Diagramredigerare → Anpassa → Serie → Trendlinje (linjär) och visa ekvation + R².
• Spara modellparametrar (lutning, intercept) och residualerna. I Sheets: använd FORECAST eller SLOPE/INTERCEPT för att kontrollera värdena.

Logguppgift: skriv in modellparametrar och en kort tolkning (exempel: “När temperaturen ökar med 1 °C ökar förbrukningen med X kWh”).

Redovisning – Laborationslogg

Din logg ska innehålla:

• Problemlista + beslutstabell (före/efter).
• Skärmbild/diagram med regressionslinje.
• Kort text om modellens kvalitet (residualer, R² eller egen bedömning).
• Frågor eller antaganden du behöver klargöra innan nästa steg.
• Exportera din städade datafil (CSV) och länka eller dela den i klassens mappar.

Reflektion

Avsluta loggen med en mening om vad du skulle behöva för att förbättra modellen (fler features, säsongsdata, bättre sensorer?).