Juditise missioon - 11/12

Kontekst

Kosmilise nähtuse nimega Kaose Konvergents tulemusena on mitme koomiksiuniversumi tegelased koondatud ühte reaalsusesse. Agentuur Interdimensionaalne Kangelaste Seire (AIKS) on kogunud andmeid nende kangelaste kohta, et saaks kiiresti analüüsida nende profiile ja teha automaatseid otsuseid.

Salvestatud andmed kirjeldavad nii tegelaste üldisi omadusi kui ka nendega seotud võimeid ja numbrilist statistikat. Nende andmete analüüs on oluline:

• andmestiku kohta kiirete kirjeldavate statistikate leidmiseks;
• uute tegelaste puuduva teabe taastamiseks;
• võimete klassifitseerimiseks muude kättesaadavate tunnuste põhjal.

Probleemi lahendamiseks on teil kasutada kaks faili:

• train.csv – sisaldab märgistatud näiteid, mida kasutatakse analüüsiks ja mudelite treenimiseks;
• test.csv – sisaldab samu muutujaid, kuid ei sisalda veerge powerstats__combat ja Super Strength, mida tuleb ennustada 3. ja 4. ülesandes.

Kangelaste universumid

Andmestikus esinevad tegelased mitmetest kirjastusuniversumitest, näiteks:

• Marvel Comics
• DC Comics
• Dark Horse Comics
• Image Comics
• Shueisha
• George Lucas
• Microsoft
• J. K. Rowling

Selles ülesandes vastab mõiste "universum" veeru Publisher väärtusele.

Andmestiku kirjeldus

Iga rida failides train.csv ja test.csv vastab ühele tegelasele.

Andmestik sisaldab:

• unikaalset identifikaatorit: id;
• tegelast kirjeldavaid muutujaid;
• binaarseid muutujaid, mis näitavad teatud võimete olemasolu või puudumist;
• pidevaid numbrilisi muutujaid tüübiga powerstats__...;
• täiendavaid veerge infoga kangelaste kohta.

Veergude näited:

Ülesanded

Task 1 - Erinevate universumite arv (10 punkti)

Kasutades faili train.csv andmeid, määrake, kui palju erinevaid väärtusi esineb veerus Publisher.

Task 2 - Kõige rohkemate positiivsete kangelastega kirjastaja (10 punkti)

Kasutades faili train.csv andmeid, võtke arvesse ainult tegelased, kelle Alignment = good.

Määrake, milline kirjastaja sisaldab kõige rohkem positiivseid kangelasi.

Viigi korral valige tähestikuliselt esimene kirjastaja.

Task 3 - powerstats__combat ennustamine (40 punkti)

Faili train.csv andmete põhjal treenige mudel, mis on võimeline ennustama atribuudi powerstats__combat väärtusi iga tegelase kohta failis test.csv.

Task 4 - Super Strength võime ennustamine (40 punkti)

Faili train.csv andmete põhjal treenige mudel, mis on võimeline ennustama atribuudi Super Strength väärtusi iga tegelase kohta failis test.csv.

Lubatud väärtused on (ennustused peavad olema lõplikud binaarsed sildid, mitte tõenäosused):

10.021.0

Esitamise formaat

Esitatav fail peab olema csv formaadis ja sisaldama järgmisi veerge:

Võimalikud subtaskID väärtused on:

Task 1 ja Task 2 puhul on vastus globaalne ja see edastatakse kasutades eriväärtust GLOBAL veerus id.

Näide submission.csv failist

1id,subtaskID,answer2GLOBAL,task1,13GLOBAL,task2,Cartoon Network443,task3,2.57550,task3,5.1761,task4,0.074,task4,1.0

Hindamine

Maksimaalne punktisumma on 100 punkti.

Task 1 (10 punkti)

Hindamine toimub esitatud väärtuse ja õige vastuse täpse võrdluse teel.

Task 2 (10 punkti)

Hindamine toimub esitatud väärtuse ja õige vastuse täpse võrdluse teel.

Task 3 (40 punkti)

Task 3 puhul kasutatakse meetrikat MAE (Mean Absolute Error).

Punkte antakse järgmiselt:

• kui MAE ≤ 12.0, antakse 40 punkti;
• kui MAE ≥ 30.0, antakse 0 punkti;
• vahepealsete väärtuste korral interpoleeritakse punktisumma lineaarselt.

Kasutatav valem on:

1score_task3 = 40 × (30 - MAE) / (30 - 12), kui 12 < MAE < 30

Task 4 (40 punkti)

Task 4 puhul kasutatakse meetrikat Accuracy.

Punkte antakse järgmiselt:

• kui Accuracy ≥ 0.90, antakse 40 punkti;
• kui Accuracy ≤ 0.55, antakse 0 punkti;
• vahepealsete väärtuste korral interpoleeritakse punktisumma lineaarselt.

Kasutatav valem on:

1score_task4 = 40 × (Accuracy - 0.55) / (0.90 - 0.55), kui 0.55 < Accuracy < 0.90