Fairplay

FairPlay og kampe med høj risiko

Kontekst

I et parallelt univers er FairPlay afdelingen, der er ansvarlig for overvågning af hold og spillere under kampe.

Gennem årene har FairPlay observeret, at visse kampe har tendens til at blive kaotiske oftere, når der opstår:

• overtrædelser,
• mange kort,
• kontroversielle afgørelser og skandaler.

For at undgå skandaler så meget som muligt, beder FairPlay dig om at bygge en model, der klassificerer kampe efter deres potentiale for kaos.

Du har til rådighed historiske data om kampe og skal bygge en klassifikationsmodel, der kan forudsige, om kampen vil blive kaotisk.

Datasættet

Du har fået stillet to filer til rådighed:

• train.csv - kampe fra fortiden, med etiketten chaos_label
• test.csv - nye kampe, uden etiket

Hver række repræsenterer en kamp og indeholder følgende kolonner:

• MatchID - unik identifikator for kampen
• Season - konkurrencesæsonen
• MatchWeek - runden
• HomeTeam - hjemmeholdet
• AwayTeam - udeholdet
• Goals - det samlede antal mål
• Shots - det samlede antal skud
• Corners - det samlede antal hjørnespark
• YellowCards - antallet af gule kort
• RedCards - antallet af røde kort
• TeamStyles - liste over spillestile associeret med kampen (fx ["AggressiveTackler", "HighPressure"])
• chaos_label - kun i train.csv,
  • 1 = kaotisk kamp / med skandale
  • 0 = kontrolleret kamp

Det endelige mål:

Forudsig om en kamp fra test.csv er kaotisk (binære værdier - 0 eller 1).

Opgaver

De første to delopgaver verificerer forståelse og forbehandling af data.

Den sidste delopgave evaluerer klassifikationsmodellens ydeevne.

Delopgave 1 (10 point)

Beregn antallet af kampe spillet af holdet "Chelsea", både ude og hjemme.

Vis et enkelt heltal.

Delopgave 2 (15 point)

Udgående fra kolonnen TeamStyles, beregn en numerisk score kaldet StyleAggressionScore, defineret som:

1StyleAggressionScore = (antallet af aggressive stile) / (det samlede antal stile)

De stile, der betragtes som aggressive, er:

• AggressiveTackler
• RiskTaker
• HighPressure
• ChaosInducer

Resultatet skal være et reelt tal mellem 0 og 1.

Delopgave 3 (75 point)

Byg en klassifikationsmodel, der forudsiger, om en kamp er kaotisk (chaos_label = 1) eller kontrolleret (chaos_label = 0).

For hver række i test.csv skal modellen returnere en binær forudsigelse:

• 0 → kontrolleret kamp
• 1 → kaotisk kamp

Modellen kan bruge enhver tilgængelig feature i datasættet, inklusive kunstige features konstrueret i de foregående delopgaver.

Evaluering

For Delopgave 3 foretages evalueringen ved hjælp af F1 macro score.

F1 macro score beregnes således:

• F1-score beregnes separat for hver klasse (0 og 1)
• der tages et aritmetisk gennemsnit af de to værdier

Denne metrik behandler begge klasser lige og straffer modeller, der kun forudsiger majoritetsklassen korrekt.

Evalueringstærskler:

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

Mellemliggende værdier får proportional pointgivning.

Format for indsendelsesfile

Filen submission.csv skal indeholde en linje for den første delopgave og 2 linjer for hver række fra test, svarende til de andre 2 delopgaver.

Struktur:

• subtaskID,datapointID,answer

hvor:

• subtaskID - 1, 2 eller 3
• datapointID - id-værdien (eller 1 for den første delopgave)
• answer - afhænger af opgaven:
  • Delopgave 1: antallet af kampe (heltal)
  • Delopgave 2: den beskrevne score (afrundet til 2 decimaler)
  • Delopgave 3: binær forudsigelse (0/1)

Eksempel for id = 25758:

Kilde til datasæt: https://www.kaggle.com/datasets/ajaxianazarenka/premier-league?select=PremierLeague.csv