Национална изложба на зайци

Националната изложба на зайците

Editorial

В един декемврийски месец с големи и тихи снежинки, когато селото още миришеше на изгоряло дърво и на прясно сено, извадено от хамбарите, в средата на страната се отваряха портите на Националната изложба на зайците. В отопляемите зали, блестящи под жълтите светлини, отглеждачи от всички краища на страната донасяха с надежда най-красивите и най-добре поддържани животни.

Екземпляри от три големи породи зайци (всяка с добре установени външен вид и навици) щяха да се срещнат отново на същото място.

Всяко животно получаваше табелка с ID, а в един дебел регистър, подвързан в кожа, се записваха всички белези, които го отличаваха от останалите:

полът, теглото, дължината на ушите, дали ушите му са увиснали или не, цветът на козината, възрастта, типът и качеството на козината, формата на тялото, дали има или няма гуша, както и състоянието на здравето.

Това беше начинът на организаторите да запазят пълно свидетелство за всяка космата душа, влязла в залата.

Subtask 1 (20 точки)

Организаторите желаят да знаят колко от женските, доведени на изложбата, имаха увиснали уши и носеха благородния нюанс havana. Резултатът трябва да го определите въз основа на тестовия набор (test_data.csv).

Нищо сложно, трябва само да направите внимателно търсене в регистрите, за да им дадете този отговор.

Subtask 2 (40 точки)

В една студена сутрин, парата от дишането още се издигаше в залата, а организаторите откриха, че една важна страница е изчезнала от официалния регистър.
Породата на всеки заек, толкова внимателно отбелязана в други години, вече не се намираше никъде.
Бяха доведени екземпляри от три различни породи, това се знаеше със сигурност, но белезите, които ги идентифицираха директно, бяха изчезнали.

Тези, които познаваха добре зайците, бяха помолени да наблюдават с търпение всички екземпляри и да идентифицират три естествени групи, използвайки само отбелязаните черти: прилики, разлики, ясни граници, зони където животните изглеждаха близки или отдалечени като външен вид. Резултатът трябва да го определите въз основа на тестовия набор (test_data.csv).

Метрика за оценяване

За да се оцени колко добре се съвпадат разделенията на породи, се използва Adjusted Rand Index (ARI), който измерва сходството между двете разделения, коригирайки за случайното съвпадение.

Коефициентът ARI за две разделения е дефиниран като:

където:

• RI представлява индекса на Rand между двете разделения;
• E[RI] е очакваната стойност на индекса на Rand за случайни разделения.

Ако полученото число е близо до 1, означава, че разделението на породи е направено умело и границите между характеристиките на породите са идентифицирани правилно. Организаторите на изложбата са много взискателни и дават максималния брой точки за този subtask само ако стойността, получена за метриката за оценяване, е 1.

Subtask 3 (40 точки)

В онзи декември броят на участниците беше толкова голям, че съдиите, колкото и да се стараеха, не можаха да съдят всички животни.
Само част от тях получиха Оценка от журито, между 0 и 100.

• Оценката е число между 0 и 100, където:
  • 0 означава, че екземплярът е дисквалифициран
  • 100 означава, че екземплярът е такъв, който може да бъде обявен за шампион

За останалите зайци, все още неотбелязани, трябваше да се намери начин да се предвиди оценката, която биха получили.
Търсеше се система, способна да разбере връзките между вече оценените зайци и тези, останали без оценка, така че оценките да бъдат възможно най-близо до това, което биха казали съдиите.
Колкото по-малки са разликите, толкова системата се счита за по-умела и по-подходяща да помогне на хората, претоварени от големия брой животни.

Задачата ви е да разработите автоматична система за предсказване на оценките за екземплярите, включени в test_data.csv.

Метрика за оценяване

За оценяване на производителността на модела използваме MSE (Mean Squared Error) — средната квадратична грешка. Тя измерва средната квадратична разлика между реалните и предсказаните стойности.

Формулата е:

където:

• y_i е реалната оценка на екземпляр i,
• y^_i е предсказаната от модела оценка,
• n е общият брой екземпляри в тестовия набор.

По-малките стойности на MSE показват по-добра производителност. Колкото предсказаните стойности са по-близо до реалните, толкова грешката ще бъде по-малка.

За да трансформираме получената оценка в точки, използваме просто правило, базирано на два прага:

• Ако стойността MSE < min → участникът получава 40т (максимални точки).
• Ако стойността MSE > max → участникът получава 0т (минимални точки).
• Ако стойността MSE е между min и max → точките се изчисляват пропорционално, намалявайки линейно от 40т до 0т, докато грешката нараства.

Формат на изхода

Крайният резултат трябва да бъде CSV файл, наречен output.csv, който да съдържа точно 3 колони:

• subtaskID - представлява номера на subtask-а (1, 2, 3)
• datapointID - който се отнася до колоната ID от dataset-а
• answer - отговорът, съответстващ на datapointID за съответния subtask

Забележка: За subtask 1, при който се иска един единствен отговор за целия тестов набор данни, покажете един единствен ред, чийто datapointID да бъде 1.

Моля, включете се и помогнете на организаторите на Националната изложба на зайците: история за страст и постижения, разбиране между отглеждачите, прилики и разлики между породите и за опита да се види светът на животните с онова търпение, което само добър отглеждач може да има в навечерието на празниците.