Muistsete piltide autentimine

Ülesande kirjeldus

Oled juba mõnda aega õppinud tehisintellekti. Sinu isa vana sõber, kuulus arheoloog ja kunstikriitik, kuulis sellest ja palus sul abi. Pead projekteerima algoritmi, mis suudab klassifitseerida antiikmaale kas autentsete teoste või replikatena.

Kuna professionaalne autentimisprotsess on kulukas, on uurimismeeskond saanud autentsuse märgised ainult väikese osa maalide kohta. Enamiku proovide puhul jääb autentsus teadmatuks. On teada, et maalide digitaalsed omadused näitavad tugevaid struktuurilisi mustreid. Sinu ülesanne on kasutada kõiki saadaolevaid proove - sealhulgas tundmatute märgistega - antiikmaale autentsuse klassifitseerimise mudeli treenimiseks.

Andmestik

Andmestik koosneb treeningkogumist, valideerimiskogumist ja testikogumist, millest igaühes on 500 sõltumatut proovi.

Treeningkogum (training_set.csv)

• Esimene veerg esindab maali ID-d (SampleID).
• Järgmised kuus veergu esindavad iga antiikmaali digitaalseid omadusi (feature1, feature2, feature3, feature4, feature5, feature6).
• Seitsmes veerg (label) sisaldab märgist: 1 autentse jaoks, -1 replika jaoks ja 0 tundmatu jaoks.

Treeningkogumit kasutatakse mudelite treenimiseks ja sellele pääseb ligi ning seda saab alla laadida otse võistluse ajal.

Valideerimiskogum (validation_set.csv)

• Need on sarnased treeningkogumi formaadiga, kuid ei sisalda märgise veergu.

⚠️ Valideerimiskogumit kasutatakse Edetabeli A (avaliku) skoori arvutamiseks ja see ei olnud võistluse ajal otseselt kättesaadav.

Testikogum (test_set.csv)

• Need on sarnased treeningkogumi formaadiga, kuid ei sisalda märgise veergu.

⚠️ Testikogumit kasutatakse Edetabeli B (privaatse) skoori arvutamiseks ja see ei olnud võistluse ajal otseselt kättesaadav.

Ülesanne

Sinu ülesanne on treenida sobiv mudel, mis suudab ennustada maalide autentsust testikogumites, hoolimata suurest hulgast märgistamata proovidest.

Esitamine

Pead genereerima faili submission.csv, millel on järgmine formaat:

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

kus:

• SampleID esindab maali id-d (antud failis validation_set.csv või test_set.csv).
• ClasamentType on väärtusega A maalide jaoks failist validation_set.csv ja väärtusega B maalide jaoks failist test_set.csv.
• label on mudeli ennustatud märgis.

Skoor

Hindamismeetrikaks on klassifitseerimise täpsus, mis on defineeritud kui õigesti ennustatud proovide osakaal hindamisel olevate proovide koguarvust.

Lõplik punktisumma arvutatakse saavutatud täpsuse põhjal, kasutades järgmisi reegleid:

• accuracy ≥ 0.9 → 100 punkti
• accuracy ≤ 0.5 → 0 punkti
• Vahepealsete väärtuste jaoks antakse proportsionaalne punktisumma 0 ja 100 vahel.