Aus mäng

FairPlay ja kõrge riskiga mängud

Kontekst

Paralleelses universumis on FairPlay osakond, mis vastutab meeskondade ja mängijate jälgimise eest mängude ajal.

Aastate jooksul on FairPlay märganud, et teatud mängud kalduvad sagedamini kaootiliseks muutuma, kui esinevad:

• vead,
• palju kaarte,
• vaieldavad otsused ja skandaalid.

Skandaalide võimalikult suure vältimise eesmärgil palub FairPlay sul ehitada mudel, mis klassifitseerib mänge nende kaoose potentsiaali järgi.

Sul on kasutada mineviku andmed mängude kohta ja pead ehitama klassifitseerimismudeli, mis suudab ennustada, kas mäng muutub kaootiliseks.

Andmestik

Sulle on kättesaadavaks tehtud kaks faili:

• train.csv - mineviku mängud koos chaos_label sildiga
• test.csv - uued mängud ilma sildita

Iga rida esindab mängu ja sisaldab järgmisi veerge:

• MatchID - mängu unikaalne identifikaator
• Season - võistluslik hooaeg
• MatchWeek - voor
• HomeTeam - koduvõistkond
• AwayTeam - külalisvõistkond
• Goals - väravate koguarv
• Shots - lööke kokku
• Corners - nurgalööke kokku
• YellowCards - kollaste kaartide arv
• RedCards - punaste kaartide arv
• TeamStyles - mänguga seotud mängustiilide nimekiri (nt: ["AggressiveTackler", "HighPressure"])
• chaos_label - ainult train.csv failis,
  • 1 = kaootiline mäng / skandaaliga
  • 0 = kontrollitud mäng

Lõppeesmärk:

Ennusta, kas test.csv mäng on kaootiline (binaarsed väärtused - 0 või 1).

Ülesanded

Esimesed kaks alamülesannet kontrollivad andmete mõistmist ja eeltöötlust.

Viimane alamülesanne hindab klassifitseerimismudeli jõudlust.

Alamülesanne 1 (10 punkti)

Arvutage "Chelsea" meeskonna poolt mängitud mängude arv, nii võõrsil kui ka kodus.

Kuvage üks täisarv.

Alamülesanne 2 (15 punkti)

TeamStyles veerust lähtudes arvutage numbriline skoor nimega StyleAggressionScore, mis on defineeritud kui:

1StyleAggressionScore = (agressiivsete stiilide arv) / (stiilide koguarv)

Agressiivseteks peetavad stiilid on:

• AggressiveTackler
• RiskTaker
• HighPressure
• ChaosInducer

Tulemus peab olema reaalarv vahemikus 0 ja 1.

Alamülesanne 3 (75 punkti)

Ehitage klassifitseerimismudel, mis ennustab, kas mäng on kaootiline (chaos_label = 1) või kontrollitud (chaos_label = 0).

Iga test.csv rea jaoks peab mudel tagastama binaarse ennustuse:

• 0 → kontrollitud mäng
• 1 → kaootiline mäng

Mudel võib kasutada mis tahes andmestikus saadaolevat tunnust, sealhulgas eelmistes alamülesannetes ehitatud kunstlikke tunnuseid.

Hindamine

Alamülesande 3 puhul toimub hindamine F1 makro skoori abil.

F1 makro skoor arvutatakse järgmiselt:

• arvutatakse F1-skoor eraldi iga klassi jaoks (0 ja 1)
• tehakse kahe väärtuse aritmeetiline keskmine

See mõõdik käsitleb mõlemat klassi võrdselt ja karistab mudeleid, mis ennustavad õigesti ainult enamusklassi.

Hindamise läved:

• F1 makro ≥ 0.95 → 75 punkti
• F1 makro ≤ 0.80 → 0 punkti

Vahepealsed väärtused saavad proportsionaalse punktisumma.

Esitamisfaili formaat

Fail submission.csv peab sisaldama üht rida esimese alamülesande jaoks ja 2 rida iga test rea kohta, mis vastavad ülejäänud 2 alamülesandele.

Struktuur:

• subtaskID,datapointID,answer

kus:

• subtaskID - 1, 2 või 3
• datapointID - id väärtus (või 1 esimese alamülesande jaoks)
• answer - sõltub ülesandest:
  • Alamülesanne 1: mängude arv (täisarv)
  • Alamülesanne 2: kirjeldatud skoor (ümardatud 2 kümnendkohani)
  • Alamülesanne 3: binaarne ennustus (0/1)

Näide id = 25758 jaoks:

Andmestiku allikas: https://www.kaggle.com/datasets/ajaxianazarenka/premier-league?select=PremierLeague.csv