Cargando...
Dificultad
Tu mejor puntuación
N/D
En un mes de diciembre con copos grandes y silenciosos, cuando el pueblo aún olía a madera quemada y a heno recién sacado de los graneros, en el centro del país se abrían las puertas de la Exposición Nacional de Conejos. En los pabellones climatizados, brillando bajo las luces amarillas, criadores de todos los rincones del país traían con esperanza los animales más hermosos y mejor cuidados.
Ejemplares de tres grandes razas de conejos (cada una con apariencias y costumbres bien arraigadas) se iban a encontrar nuevamente en el mismo lugar.
Cada animal recibía una placa con un ID, y en un registro grueso, encuadernado en cuero, se anotaban todas las señas que lo diferenciaban de los demás:
sexo, peso, longitud de las orejas, si las orejas están caídas o no, color del pelaje, edad, tipo y calidad del pelaje, forma del cuerpo, si tiene o no papada, así como el estado de salud.
Era la manera de los organizadores de conservar un testimonio completo sobre cada alma peluda que entraba en el pabellón.
Los organizadores desean saber cuántas de las hembras traídas a la exposición tenían orejas caídas y portaban el noble matiz habana. El resultado debe determinarlo basándose en el conjunto de prueba (test_data.csv).
Nada complicado, solo necesita realizar una búsqueda atenta por los registros para ofrecerles esta respuesta.
 |  |  |
En una mañana fría, el vapor de la respiración aún se elevaba en el pabellón, y los organizadores descubrieron que una página importante había desaparecido del registro oficial.
La raza de cada conejo, tan cuidadosamente anotada en otros años, ya no se encontraba en ninguna parte.
Habían traído ejemplares de tres razas diferentes, eso se sabía con seguridad, pero las señas que las identificaban directamente habían desaparecido.
Quienes conocían bien los conejos fueron invitados a observar con paciencia todos los ejemplares y a identificar tres grupos naturales, usando solo los rasgos anotados: similitudes, diferencias, límites claros, zonas donde los animales parecían cercanos o distantes en aspecto. El resultado debe determinarlo basándose en el conjunto de prueba (test_data.csv).
Para evaluar qué tan bien se ajustan las divisiones en razas, se usa el Adjusted Rand Index (ARI), que mide la similitud entre las dos divisiones, ajustando para la coincidencia aleatoria.
El coeficiente ARI para dos divisiones se define como:
donde:
RI representa el índice Rand entre las dos divisiones;E[RI] es el valor esperado del índice Rand para divisiones aleatorias.Si el número obtenido está cerca de 1, significa que la división en razas fue hecha con destreza y los límites entre las características de las razas fueron identificados correctamente. Los organizadores de la exposición son muy exigentes y otorgan el puntaje máximo para este subtask solo si el valor obtenido para la métrica de evaluación es 1.
En aquel diciembre, el número de participantes había sido tan grande que los árbitros, por más que se esforzaron, no pudieron juzgar todos los animales.
Solo una parte de ellos había recibido una Puntuación de Jurado, entre 0 y 100.
0 significa que el ejemplar fue descalificado100 significa que el ejemplar es uno que puede ser declarado campeónPara los otros conejos, aún sin marcar, había que encontrar una manera de adivinar la puntuación que habrían recibido.
Se buscaba un sistema capaz de entender las conexiones entre los conejos ya calificados y los que quedaron sin puntuación, de manera que las estimaciones fueran lo más cercanas posible a lo que habrían dicho los árbitros.
Cuanto menores sean las diferencias, tanto más hábil y apropiado se considera el sistema para ayudar a las personas abrumadas por el gran número de animales.
Su tarea es desarrollar un sistema automático de predicción de puntuaciones para los ejemplares incluidos en test_data.csv.
Para la evaluación del rendimiento del modelo usamos MSE (Mean Squared Error) — el error cuadrático medio. Este mide la diferencia cuadrática media entre los valores reales y los valores predichos.
La fórmula es:
donde:
y_i es la puntuación real del ejemplar i,y^_i es la puntuación predicha por el modelo,n es el número total de ejemplares del conjunto de prueba.Valores menores de MSE indican un mejor rendimiento. Cuanto más cercanos sean los valores predichos a los reales, tanto menor será el error.
Para transformar la puntuación obtenida en puntaje, usamos una regla simple, basada en dos umbrales:
El resultado final debe ser un archivo CSV llamado output.csv, que contenga exactamente 3 columnas:
subtaskID - representa el número del subtask (1, 2, 3)datapointID - que se refiere a la columna ID del datasetanswer - la respuesta correspondiente al datapoint para el subtask respectivoNota: Para el subtask 1, en el que se pide una sola respuesta para todo el conjunto de datos de prueba, muestren una sola línea cuyo datapointID sea 1.
Les rogamos que se involucren y ayuden a los organizadores de la Exposición Nacional de Conejos: una historia sobre pasión y rendimiento, entendimiento entre criadores, similitudes y diferencias entre razas y sobre el intento de ver el mundo de los animales con esa paciencia que solo un buen criador puede tener en vísperas de las fiestas.