Autenticación de pinturas antiguas

Descripción del problema

Has estado estudiando Inteligencia Artificial durante algún tiempo. Un viejo amigo de tu padre, arqueólogo y crítico de arte famoso, se enteró de esto y te pidió ayuda. Necesitas diseñar un algoritmo que pueda clasificar pinturas antiguas como piezas auténticas o como réplicas.

Debido a que la autenticación profesional es costosa, el equipo de investigación obtuvo etiquetas de autenticidad solo para una pequeña parte de las pinturas. Para la mayoría de las muestras, la autenticidad permanece desconocida. Se sabe que las características digitales de las pinturas presentan patrones estructurales fuertes. Tienes la tarea de utilizar todas las muestras disponibles - incluyendo aquellas con etiquetas desconocidas - para entrenar un modelo de clasificación de autenticidad de pinturas antiguas.

Conjunto de datos

El conjunto de datos está compuesto por un conjunto de entrenamiento, un conjunto de validación y un conjunto de prueba, cada uno de estos teniendo 500 muestras independientes.

Conjunto de entrenamiento (training_set.csv)

• La primera columna representa el ID de la pintura (SampleID).
• Las siguientes cinco columnas representan las características digitales de cada pintura antigua (feature1, feature2, feature3, feature4, feature5, feature6).
• La séptima columna (label) contiene la etiqueta: 1 para auténtico, -1 para réplica y 0 para desconocido.

El conjunto de entrenamiento se utiliza para entrenar los modelos y puede ser accedido y descargado directamente durante la competición.

Conjunto de validación (validation_set.csv)

• Estos son similares al formato del conjunto de entrenamiento, pero no contienen la columna de etiqueta.

⚠️ El conjunto de validación se utiliza para calcular la puntuación del Ranking A (público) y no fue accesible directamente durante la competición.

Conjunto de prueba (test_set.csv)

• Estos son similares al formato del conjunto de entrenamiento, pero no contienen la columna de etiqueta.

⚠️ El conjunto de prueba se usa para calcular la puntuación del Ranking B (privado) y no fue accesible directamente durante la competición.

Tarea

Tu tarea es entrenar un modelo adecuado, capaz de predecir la autenticidad de las pinturas de los conjuntos de prueba, a pesar del gran número de muestras sin etiquetar.

Envío

Debes generar un archivo submission.csv que tendrá el siguiente formato:

1SampleID, ClasamentType, label2VALIDATION_001, A, 13TEST_001, B, 1

donde:

• SampleID representa el id de la pintura (proporcionado en validation_set.csv o test_set.csv).
• ClasamentType tendrá el valor A para las pinturas de validation_set.csv y tendrá el valor B para las pinturas de test_set.csv.
• label es la etiqueta predicha por el modelo.

Puntuación

La métrica de evaluación será la precisión de clasificación, definida como la proporción de muestras predichas correctamente del número total de muestras evaluadas.

La puntuación final se calcula basándose en la precisión obtenida usando las siguientes reglas:

• accuracy ≥ 0.9 → 100 puntos
• accuracy ≤ 0.5 → 0 puntos
• Para valores intermedios se otorga puntuación proporcional entre 0 y 100.