Мисия Juditis - 11/12

Контекст

В резултат на космически феномен, наречен Конвергенция на хаоса, герои от множество комиксови вселени бяха събрани в една обща реалност. Междуизмерната агенция за мониторинг на героите (AIME) централизира данните за тези герои, за да може бързо да анализира техните профили и да взема автоматизирани решения.

Записаните данни описват както общи характеристики на героите, така и умения и свързани с тях числови статистики. Анализът на тези данни е важен за:

• бързо извличане на описателни статистики за набора от данни;
• възстановяване на липсваща информация за нови герои;
• класифициране на умения въз основа на други налични черти.

За решаването на проблема ще разполагате с два файла:

• train.csv – съдържа етикетирани примери, използвани за анализ и обучение на модели;
• test.csv – съдържа същите променливи, но не включва колоните powerstats__combat и Super Strength, които трябва да бъдат предвидени в Task 3 и Task 4.

Вселените на героите

В набора от данни се появяват герои от множество издателски вселени, например:

• Marvel Comics
• DC Comics
• Dark Horse Comics
• Image Comics
• Shueisha
• George Lucas
• Microsoft
• J. K. Rowling

В тази задача понятието „вселена“ съответства на стойността в колоната Publisher.

Описание на набора от данни

Всеки ред във файловете train.csv и test.csv съответства на един герой.

Наборът от данни съдържа:

• уникален идентификатор: id;
• описателни променливи за героя;
• бинарни променливи, указващи наличието или отсъствието на определени умения;
• непрекъснати числови променливи от тип powerstats__...;
• допълнителни колони с информация за героите.

Примери за колони:

Изисквания

Task 1 - Брой на различните вселени (10 точки)

Използвайки данните от файла train.csv, определете колко уникални стойности се появяват в колоната Publisher.

Task 2 - Издателят с най-много положителни герои (10 точки)

Използвайки данните от файла train.csv, разгледайте само героите, за които Alignment = good.

Определете кой е издателят, който съдържа най-много положителни герои.

В случай на равенство се избира издателят, който е първи по азбучен ред.

Task 3 - Предвиждане на powerstats__combat (40 точки)

Въз основа на данните от файла train.csv, обучете модел, способен да предвиди стойностите на атрибута powerstats__combat за всеки герой от test.csv.

Task 4 - Предвиждане на умението Super Strength (40 точки)

Въз основа на данните от файла train.csv, обучете модел, способен да предвиди стойностите на атрибута Super Strength за всеки герой от test.csv.

Позволените стойности са (предвижданията трябва да бъдат крайни бинарни етикети, а не вероятности):

10.021.0

Формат на файла за изпращане

Файлът за изпращане трябва да бъде във формат csv и да съдържа следните колони:

Възможните стойности за subtaskID са:

За Task 1 и Task 2 отговорът е глобален и се изпраща чрез специалната стойност GLOBAL в колоната id.

Пример за файл submission.csv

1id,subtaskID,answer2GLOBAL,task1,13GLOBAL,task2,Cartoon Network443,task3,2.57550,task3,5.1761,task4,0.074,task4,1.0

Оценяване

Общият брой точки е 100.

Task 1 (10 точки)

Оценяването се извършва чрез точно сравнение между изпратената стойност и правилния отговор.

Task 2 (10 точки)

Оценяването се извършва чрез точно сравнение между изпратената стойност и правилния отговор.

Task 3 (40 точки)

За Task 3 се използва метриката MAE (Mean Absolute Error).

Точките се присъждат по следния начин:

• ако MAE ≤ 12.0, се присъждат 40 точки;
• ако MAE ≥ 30.0, се присъждат 0 точки;
• за междинни стойности точките се интерполират линейно.

Използваната формула е:

1score_task3 = 40 × (30 - MAE) / (30 - 12), за 12 < MAE < 30

Task 4 (40 точки)

За Task 4 се използва метриката Accuracy.

Точките се присъждат по следния начин:

• ако Accuracy ≥ 0.90, се присъждат 40 точки;
• ако Accuracy ≤ 0.55, се присъждат 0 точки;
• за междинни стойности точките се интерполират линейно.

Използваната формула е:

1score_task4 = 40 × (Accuracy - 0.55) / (0.90 - 0.55), за 0.55 < Accuracy < 0.90