Juditis-tehtävä - 11/12

Konteksti

Kosmisen ilmiön, nimeltään Kaaoksen konvergenssi, seurauksena useiden sarjakuvamaailmojen hahmot on tuotu yhteen samaan todellisuuteen. Interdimensional Hero Monitoring Agency (AIME) on keskittänyt tiedot näistä sankareista voidakseen analysoida nopeasti heidän profiilejaan ja tehdäkseen automaattisia päätöksiä.

Tallennetut tiedot kuvaavat hahmojen yleisiä ominaisuuksia sekä heihin liittyviä kykyjä ja numeerisia tilastoja. Näiden tietojen analysointi on tärkeää:

• kuvailevien tilastojen nopeaan poimimiseen tietoaineistosta;
• puuttuvien tietojen rekonstruoimiseen uusille hahmoille;
• kykyjen luokitteluun muiden käytettävissä olevien piirteiden perusteella.

Ongelman ratkaisemiseksi käytössäsi on kaksi tiedostoa:

• train.csv – sisältää merkittyjä esimerkkejä, joita käytetään analyysiin ja mallien kouluttamiseen;
• test.csv – sisältää samat muuttujat, mutta ei sisällä sarakkeita powerstats__combat ja Super Strength, jotka on ennustettava tehtävissä Task 3 ja Task 4.

Sankarien universumit

Tietoaineistossa esiintyy hahmoja useista eri kustantajien universumeista, esimerkiksi:

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

Tässä tehtävässä käsite "universumi" vastaa sarakkeen Publisher arvoa.

Tietoaineiston kuvaus

Jokainen rivi tiedostoissa train.csv ja test.csv vastaa yhtä hahmoa.

Tietoaineisto sisältää:

• yksilöllisen tunnisteen: id;
• hahmoa kuvailevia muuttujia;
• binaarisia muuttujia, jotka osoittavat tiettyjen kykyjen olemassaolon tai puuttumisen;
• jatkuvia numeerisia muuttujia tyyppiä powerstats__...;
• lisäsarakkeita tiedoilla sankareista.

Esimerkkejä sarakkeista:

Vaatimukset

Task 1 - Erilaisten universumien määrä (10 pistettä)

Määritä train.csv-tiedoston tietojen perusteella, kuinka monta eri arvoa sarakkeessa Publisher esiintyy.

Task 2 - Kustantaja, jolla on eniten hyviä sankareita (10 pistettä)

Käytä train.csv-tiedoston tietoja ja huomioi vain hahmot, joiden Alignment = good.

Määritä, millä kustantajalla on eniten hyviä sankareita.

Tasatilanteessa valitaan aakkosjärjestyksessä ensimmäinen kustantaja.

Task 3 - powerstats__combat-arvon ennustaminen (40 pistettä)

Kouluta train.csv-tiedoston tietojen perusteella malli, joka pystyy ennustamaan powerstats__combat-attribuutin arvot jokaiselle test.csv-tiedoston hahmolle.

Task 4 - Super Strength -kyvyn ennustaminen (40 pistettä)

Kouluta train.csv-tiedoston tietojen perusteella malli, joka pystyy ennustamaan Super Strength -attribuutin arvot jokaiselle test.csv-tiedoston hahmolle.

Sallitut arvot ovat (ennusteiden on oltava lopullisia binaarisia tunnisteita, ei todennäköisyyksiä):

10.021.0

Palautustiedoston muoto

Palautustiedoston on oltava csv-muodossa ja sen on sisällettävä seuraavat sarakkeet:

Mahdolliset arvot subtaskID-sarakkeelle ovat:

Tehtävissä Task 1 ja Task 2 vastaus on globaali ja se lähetetään käyttämällä erikoisarvoa GLOBAL sarakkeessa id.

Esimerkki submission.csv-tiedostosta

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

Arviointi

Kokonaispistemäärä on 100 pistettä.

Task 1 (10 pistettä)

Arviointi tehdään vertaamalla lähetettyä arvoa suoraan oikeaan vastaukseen.

Task 2 (10 pistettä)

Arviointi tehdään vertaamalla lähetettyä arvoa suoraan oikeaan vastaukseen.

Task 3 (40 pistettä)

Tehtävässä 3 käytetään MAE (Mean Absolute Error) -metriikkaa.

Pisteet myönnetään seuraavasti:

• jos MAE ≤ 12.0, myönnetään 40 pistettä;
• jos MAE ≥ 30.0, myönnetään 0 pistettä;
• väliarvoille pisteet interpoloidaan lineaarisesti.

Käytetty kaava on:

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

Task 4 (40 pistettä)

Tehtävässä 4 käytetään Accuracy-metriikkaa.

Pisteet myönnetään seuraavasti:

• jos Accuracy ≥ 0.90, myönnetään 40 pistettä;
• jos Accuracy ≤ 0.55, myönnetään 0 pistettä;
• väliarvoille pisteet interpoloidaan lineaarisesti.

Käytetty kaava on:

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