Nationale Kaninchenausstellung

Nationale Kaninchenausstellung

Editorial

In einem Dezember-Monat mit großen und ruhigen Schneeflocken, als das Dorf noch nach verbranntem Holz und frischem Heu aus den Scheunen roch, öffneten sich in der Mitte des Landes die Tore der Nationalen Kaninchenausstellung. In den beheizten Hallen, strahlend unter den gelben Lichtern, brachten Züchter aus allen Ecken des Landes hoffnungsvoll ihre schönsten und bestgepflegten Tiere mit.

Exemplare von drei großen Kaninchenrassen (jede mit gut verwurzelten Erscheinungsbildern und Gewohnheiten) sollten sich wieder am selben Ort treffen.

Jedes Tier erhielt ein Schild mit einer ID, und in einem dicken, ledergebundenen Register wurden alle Merkmale eingetragen, die es von den anderen unterschieden:

Geschlecht, Gewicht, Ohrenlänge, ob die Ohren hängend sind oder nicht, Fellfarbe, Alter, Felltyp und Fellqualität, Körperform, ob es eine Wamme hat oder nicht, sowie den Gesundheitszustand.

Es war die Art der Organisatoren, ein vollständiges Zeugnis über jede pelzige Seele zu bewahren, die die Halle betrat.

Subtask 1 (20 Punkte)

Die Organisatoren möchten wissen, wie viele der zur Ausstellung gebrachten Weibchen hängende Ohren hatten und den edlen Farbton havana trugen. Das Ergebnis müssen Sie basierend auf dem Testdatensatz (test_data.csv) bestimmen.

Nichts Kompliziertes, Sie müssen nur eine sorgfältige Suche durch die Register durchführen, um ihnen diese Antwort zu geben.

Subtask 2 (40 Punkte)

An einem frostigen Morgen, als der Atem noch als Dampf in der Halle aufstieg, entdeckten die Organisatoren, dass eine wichtige Seite aus dem offiziellen Register verschwunden war.
Die Rasse jedes Kaninchens, so sorgfältig in anderen Jahren notiert, war nirgendwo mehr zu finden.
Es waren Exemplare von drei verschiedenen Rassen gebracht worden, das wusste man mit Sicherheit, aber die Zeichen, die sie direkt identifizierten, waren verschwunden.

Diejenigen, die Kaninchen gut kannten, wurden gebeten, alle Exemplare geduldig zu beobachten und drei natürliche Gruppen zu identifizieren, wobei sie nur die notierten Merkmale verwendeten: Ähnlichkeiten, Unterschiede, klare Grenzen, Bereiche, wo die Tiere im Aussehen nah oder entfernt schienen. Das Ergebnis müssen Sie basierend auf dem Testdatensatz (test_data.csv) bestimmen.

Bewertungsmetrik

Um zu bewerten, wie gut die Rassenaufteilungen passen, wird der Adjusted Rand Index (ARI) verwendet, der die Ähnlichkeit zwischen den beiden Aufteilungen misst und für zufällige Übereinstimmungen adjustiert.

Der ARI-Koeffizient für zwei Aufteilungen ist definiert als:

wobei:

• RI den Rand-Index zwischen den beiden Aufteilungen darstellt;
• E[RI] der erwartete Wert des Rand-Index für zufällige Aufteilungen ist.

Wenn die erhaltene Zahl nahe bei 1 liegt, bedeutete das, dass die Rassenaufteilung mit Sachverstand gemacht wurde und die Grenzen zwischen den Rassenmerkmalen korrekt identifiziert wurden. Die Ausstellungsorganisatoren sind sehr anspruchsvoll und vergeben die maximale Punktzahl für diesen Subtask nur, wenn der für die Bewertungsmetrik erhaltene Wert 1 ist.

Subtask 3 (40 Punkte)

In jenem Dezember war die Teilnehmerzahl so groß gewesen, dass die Richter, so sehr sie sich auch bemühten, nicht alle Tiere beurteilen konnten.
Nur ein Teil von ihnen hatte eine Bewertungspunktzahl zwischen 0 und 100 erhalten.

• Die Punktzahl ist eine Zahl zwischen 0 und 100, wobei:
  • 0 bedeutet, dass das Exemplar disqualifiziert wurde
  • 100 bedeutet, dass das Exemplar eines ist, das zum Champion erklärt werden kann

Für die anderen Kaninchen, die noch nicht markiert waren, musste ein Weg gefunden werden, die Punktzahl zu erraten, die sie erhalten hätten.
Es wurde ein System angestrebt, das die Verbindungen zwischen den bereits bewerteten Kaninchen und denen ohne Punktzahl verstehen konnte, damit die Schätzungen so nah wie möglich an dem waren, was die Richter gesagt hätten.
Je kleiner die Unterschiede sind, desto geschickter und geeigneter wird das System betrachtet, um den von der großen Anzahl von Tieren überwältigten Menschen zu helfen.

Ihre Aufgabe ist es, ein automatisches System zur Vorhersage der Punktzahlen für die in test_data.csv enthaltenen Exemplare zu entwickeln.

Bewertungsmetrik

Zur Bewertung der Modellleistung verwenden wir MSE (Mean Squared Error) — den mittleren quadratischen Fehler. Dieser misst die mittlere quadratische Differenz zwischen den realen und den vorhergesagten Werten.

Die Formel ist:

wobei:

• y_i die reale Punktzahl des Exemplars i ist,
• y^_i die vom Modell vorhergesagte Punktzahl ist,
• n die Gesamtzahl der Exemplare im Testset ist.

Kleinere MSE-Werte zeigen eine bessere Leistung an. Je näher die vorhergesagten Werte an den realen sind, desto kleiner wird der Fehler sein.

Um die erhaltene Punktzahl in Punkte umzuwandeln, verwenden wir eine einfache Regel, basierend auf zwei Schwellenwerten:

• Wenn der MSE-Wert < min → erhält der Teilnehmer 40p (maximale Punktzahl).
• Wenn der MSE-Wert > max → erhält der Teilnehmer 0p (minimale Punktzahl).
• Wenn der MSE-Wert zwischen min und max liegt → wird die Punktzahl proportional berechnet, linear von 40p auf 0p abnehmend, während der Fehler steigt.

Ausgabeformat

Das Endergebnis muss eine CSV-Datei namens output.csv sein, die genau 3 Spalten enthält:

• subtaskID - stellt die Subtask-Nummer dar (1, 2, 3)
• datapointID - bezieht sich auf die Spalte ID aus dem Dataset
• answer - die entsprechende Antwort des Datenpunkts für den jeweiligen Subtask

Hinweis: Für Subtask 1, bei dem eine einzige Antwort für den gesamten Testdatensatz gefragt ist, zeigen Sie eine einzige Zeile an, deren datapointID 1 ist.

Wir bitten Sie, sich zu engagieren und den Organisatoren der Nationalen Kaninchenausstellung zu helfen: eine Geschichte über Leidenschaft und Leistung, Verständnis zwischen Züchtern, Ähnlichkeiten und Unterschiede zwischen Rassen und über den Versuch, die Welt der Tiere mit jener Geduld zu sehen, die nur ein guter Züchter am Vorabend der Feiertage haben kann.