Assignment due date: Hand in by 11pm on the 11th of November; this course work makes up 25% of your total module mark. Submit your report on Blackboard as a pdf file on Blackboard. Also, include your Orange file (.ows) and your MATLAB codes as part of your submission.

Unfair Means: The assignment should be completed individually.  You should not discuss the assignment with other students and should not work together in completing the assignment.  The assignment must be wholly your own work.  Any suspicions of the  use  of  unfair  means  will  be  investigated  and  may  lead  to  penalties.    See

http://www.shef.ac.uk/ssid/exams/plagiarismfor more information.

Penalties for Late Submission: Late submissions will incur the usual penalties of a 5% reduction in the mark for every working day (or part thereof) that the assignment is late and a mark of zero for submission more than 5 working days late.

Extenuating Circumstances: If you have any extenuating circumstances (medical or special circumstances) that might have affected your performance on the assignment, please follow the guidance athttps://www.sheffield.ac.uk/ssid/forms/circs

Help: This assignment briefing and the lecture notes provide all the information that is required to complete this assignment.  It is not expected that you should need to ask further questions.  However, if you need clarifications on the assignment then please discuss the issue with me after a lab, or email mej.oyekan@sheffield.ac.uk.

Specific assignment information and instructions

The challenge: You have been provided a data set made up of diamond features and their target price. The data set contains the prices and other features of almost 54,000 diamonds.

In addition to your domain analysis, see the Appendix below to understand the dataset provided  to  you.  Your  task  is  to  develop  various  machine-learning  models  as presented in the table below.

Tools to use: Majority of the MATLAB code you need to complete the assignment are available from various lab sessions. If you are comfortable using Python, you are free to use it. You are also free to use Orange for various aspects of the coursework as required.

Tasks and Mark Scheme: The aim of this coursework is to design, implement and evaluate an effective machine-learning pipeline for predicting diamond prices. The specific tasks and corresponding mark scheme are given in the table below. It is up to you how you approach this problem, design a solution and write-up your results. For each task, the mark within the grade boundary will be based on your description in your report and results.

Technical Report and code

Write your results in no more than a 15 page technical report. Make sure your report has a table of content, sections, discussion and conclusions.

You must create a MATLAB (or Python code) and an Orange pipeline design for your solution(s). Support your report with an Orange pipeline design and MATLAB code. Make sure you provide comments in your MATLAB code as well as instructions on how to run it. Hand in your report (.pdf), software (Orange and MATLAB) via Blackboard by 11pm on the 11th of November 2022. This course work makes up 25% of your total module mark.