Честна игра

FairPlay и мачовете с висок риск

Контекст

В паралелна вселена FairPlay е отделът, отговорен за наблюдението на отборите и играчите по време на мачовете.

През годините FairPlay е забелязал, че определени мачове имат тенденция да стават хаотични по-често, когато се появят:

• фаулове,
• много картони,
• противоречиви решения и скандали.

За да избегне скандали колкото се може повече, FairPlay ти иска да построиш модел, който класифицира мачовете според потенциала за хаос.

Имаш на разположение данни от миналото за мачове и трябва да построиш модел за класификация, който да може да предскаже дали мачът ще стане хаотичен.

Набор от данни

Предоставени са ти два файла:

• train.csv - мачове от миналото, с етикета chaos_label
• test.csv - нови мачове, без етикет

Всеки ред представлява мач и съдържа следните колони:

• MatchID - уникален идентификатор на мача
• Season - състезателния сезон
• MatchWeek - кръга
• HomeTeam - домакинския отбор
• AwayTeam - гостуващия отбор
• Goals - общия брой голове
• Shots - общия брой удари
• Corners - общия брой ъглови
• YellowCards - броя жълти картони
• RedCards - броя червени картони
• TeamStyles - списък със стилове на игра, свързани с мача (напр: ["AggressiveTackler", "HighPressure"])
• chaos_label - само в train.csv,
  • 1 = хаотичен мач / със скандал
  • 0 = контролиран мач

Крайна цел:

Предскажи дали мач от test.csv е хаотичен (бинарни стойности - 0 или 1).

Задачи

Първите две подзадачи проверяват разбирането и предобработката на данните.

Последната подзадача оценява производителността на модела за класификация.

Подзадача 1 (10 точки)

Изчислете броя мачове, изиграни от отбора "Chelsea", както в гостуване, така и у дома.

Покажете едно цяло число.

Подзадача 2 (15 точки)

Започвайки от колоната TeamStyles, изчислете числов резултат, наречен StyleAggressionScore, дефиниран като:

1StyleAggressionScore = (броя агресивни стилове) / (общия брой стилове)

Стиловете, считани за агресивни, са:

• AggressiveTackler
• RiskTaker
• HighPressure
• ChaosInducer

Резултатът трябва да бъде реално число между 0 и 1.

Подзадача 3 (75 точки)

Построете модел за класификация, който да предскаже дали мач е хаотичен (chaos_label = 1) или контролиран (chaos_label = 0).

За всеки ред от test.csv, моделът трябва да върне бинарно предсказание:

• 0 → контролиран мач
• 1 → хаотичен мач

Моделът може да използва всяка налична характеристика в набора от данни, включително изкуствени характеристики, построени в рамките на предишните подзадачи.

Оценяване

За Подзадача 3 оценяването се прави с помощта на F1 macro резултата.

F1 macro резултатът се изчислява така:

• изчислява се F1-score отделно за всеки клас (0 и 1)
• прави се аритметична средна на двете стойности

Тази метрика третира и двата класа еднакво и наказва модели, които предсказват правилно само мажоритарния клас.

Прагове за оценяване:

• F1 macro ≥ 0.95 → 75 точки
• F1 macro ≤ 0.80 → 0 точки

Междинните стойности получават пропорционален резултат.

Формат на файла за подаване

Файлът submission.csv трябва да съдържа един ред за първата подзадача и по 2 реда за всеки ред от test, съответстващи на другите 2 подзадачи.

Структура:

• subtaskID,datapointID,answer

където:

• subtaskID - 1, 2 или 3
• datapointID - стойността id (или 1 за първата подзадача)
• answer - зависи от задачата:
  • Подзадача 1: броя мачове (цяло число)
  • Подзадача 2: описания резултат (закръглен до 2 десетични знака)
  • Подзадача 3: бинарно предсказание (0/1)

Пример за id = 25758:

Източник на набора от данни: https://www.kaggle.com/datasets/ajaxianazarenka/premier-league?select=PremierLeague.csv