Načítání...
Obtížnost
Vaše nejlepší skóre
N/A
V prosincovém měsíci s velkými a tichými vločkami, kdy vesnice ještě voněla spáleným dřevem a čerstvým senem vytaženým ze stodol, se uprostřed země otevíraly brány Národní výstavy králíků. V vytápěných halách, zářících pod žlutými světly, přiváželi chovatelé ze všech koutů země s nadějí svá nejkrásnější a nejlépe ošetřovaná zvířata.
Exempláře ze tří velkých plemen králíků (každé s dobře zakořeněným vzhledem a zvyky) se měly opět setkat na stejném místě.
Každé zvíře dostalo štítek s ID a v tlustém registru vázaném v kůži byly zaznamenány všechny znaky, které ho odlišovaly od ostatních:
pohlaví, hmotnost, délka uší, zda má uši visící nebo ne, barva srsti, věk, typ a kvalita srsti, tvar těla, zda má nebo nemá lalok, stejně jako zdravotní stav.
Byl to způsob organizátorů, jak uchovat úplné svědectví o každé chlupaté duši, která vstoupila do haly.
Organizátoři chtějí vědět, kolik ze samic přivezených na výstavu mělo visící uši a neslo ušlechtilý odstín havana. Výsledek musíte určit na základě testovací sady (test_data.csv).
Nic složitého, stačí jen provést pečlivé vyhledávání v registrech, abyste jim poskytli tuto odpověď.
 |  |  |
Jednoho mrazivého rána, kdy se pára z dechu ještě zvedala v hale, organizátoři objevili, že důležitá stránka zmizela z oficiálního registru.
Plemeno každého králíka, tak pečlivě zaznamenané v jiných letech, se už nikde nenašlo.
Byly přivezeny exempláře ze tří různých plemen, to se vědělo jistě, ale znaky, které je přímo identifikovaly, zmizely.
Ti, kdo králíky dobře znali, byli požádáni, aby trpělivě pozorovali všechny exempláře a identifikovali tři přirozené skupiny, používajíc pouze zaznamenané vlastnosti: podobnosti, rozdíly, jasné hranice, oblasti, kde se zvířata zdála podobná nebo vzdálená co do vzhledu. Výsledek musíte určit na základě testovací sady (test_data.csv).
Pro hodnocení toho, jak dobře se rozdělení do plemen hodí, se používá Adjusted Rand Index (ARI), který měří podobnost mezi dvěma rozděleními, upravený pro náhodné shody.
Koeficient ARI pro dvě rozdělení je definován jako:
kde:
RI představuje Rand index mezi dvěma rozděleními;E[RI] je očekávaná hodnota Rand indexu pro náhodná rozdělení.Pokud je získané číslo blízko 1, znamenalo to, že rozdělení do plemen bylo provedeno s odborností a hranice mezi charakteristikami plemen byly správně identifikovány. Organizátoři výstavy jsou velmi náročné a udělují maximální bodové skóre pro tento subtask pouze tehdy, když je získaná hodnota pro metriku hodnocení 1.
V tom prosinci byl počet účastníků tak velký, že porotci, ať se snažili sebevíc, nemohli posoudit všechna zvířata.
Pouze část z nich dostala Skóre poroty mezi 0 a 100.
0 znamená, že exemplář byl diskvalifikován100 znamená, že exemplář je takový, který může být prohlášen šampionemPro ostatní králíky, ještě neoznačené, bylo třeba najít způsob, jak odhadnout skóre, které by dostaly.
Hledal se systém schopný pochopit souvislosti mezi již ohodnocenými králíky a těmi, kteří zůstali bez skóre, tak aby odhady byly co nejblíže tomu, co by řekli porotci.
Čím menší jsou rozdíly, tím je systém považován za zručnější a vhodnější pro pomoc lidem zahlceným velkým počtem zvířat.
Vaším úkolem je vyvinout automatický systém predikce skóre pro exempláře obsažené v test_data.csv.
Pro hodnocení výkonnosti modelu používáme MSE (Mean Squared Error) — střední kvadratickou chybu. Ta měří průměrnou kvadratickou odchylku mezi skutečnými a predikovanými hodnotami.
Vzorec je:
kde:
y_i je skutečné skóre exempláře i,y^_i je skóre predikované modelem,n je celkový počet exemplářů v testovací sadě.Nižší hodnoty MSE indikují lepší výkonnost. Čím blíže jsou predikované hodnoty skutečným, tím menší bude chyba.
Pro převod získaného skóre na bodové ohodnocení používáme jednoduché pravidlo založené na dvou prazích:
Konečný výsledek musí být CSV soubor pojmenovaný output.csv, který obsahuje přesně 3 sloupce:
subtaskID - představuje číslo subtasku (1, 2, 3)datapointID - který se vztahuje ke sloupci ID z datasetuanswer - odpověď odpovídající datovému bodu pro příslušný subtaskPoznámka: Pro subtask 1, kde se požaduje jediná odpověď pro celou testovací sadu dat, zobrazte jediný řádek, jehož datapointID bude 1.
Prosíme, zapojte se a pomozte organizátorům Národní výstavy králíků: příběh o vášni a výkonnosti, porozumění mezi chovateli, podobnostech a rozdílech mezi plemeny a o snaze vidět svět zvířat s tou trpělivostí, kterou může mít pouze dobrý chovatel v předvečer svátků.