Reilua peliä

FairPlay ja korkean riskin ottelut

Konteksti

Rinnakkaisuniversumissa FairPlay on osasto, joka vastaa joukkueiden ja pelaajien valvonnasta otteluiden aikana.

Vuosien varrella FairPlay on havainnut, että tietyt ottelut muuttuvat kaoottisiksi useammin, kun esiintyy:

• rikkomuksia,
• paljon kortteja,
• kiistanalaisia päätöksiä ja skandaaleja.

Skandaalien välttämiseksi mahdollisimman paljon FairPlay pyytää sinua rakentamaan mallin, joka luokittelee ottelut kaaospotentiaalin mukaan.

Käytössäsi on historiallista dataa otteluista ja sinun tulee rakentaa luokittelumalli, joka pystyy ennustamaan, muuttuuko ottelu kaoottiseksi.

Datasetti

Käyttöösi on annettu kaksi tiedostoa:

• train.csv - menneitä otteluita, joissa on chaos_label-merkintä
• test.csv - uusia otteluita ilman merkintää

Jokainen rivi edustaa ottelua ja sisältää seuraavat sarakkeet:

• MatchID - ottelun yksilöllinen tunniste
• Season - kilpailukausi
• MatchWeek - kierros
• HomeTeam - kotijoukkue
• AwayTeam - vierasjoukkue
• Goals - maalien kokonaismäärä
• Shots - laukausten kokonaismäärä
• Corners - kulmapotkujen kokonaismäärä
• YellowCards - keltaisten korttien määrä
• RedCards - punaisten korttien määrä
• TeamStyles - otteluun liittyvien pelityylien lista (esim: ["AggressiveTackler", "HighPressure"])
• chaos_label - vain train.csv:ssä,
  • 1 = kaoottinen ottelu / skandaalilla
  • 0 = kontrolloitu ottelu

Lopullinen tavoite:

Ennusta, onko test.csv:n ottelu kaoottinen (binääriarvot - 0 tai 1).

Tehtävät

Kaksi ensimmäistä alitehtävää tarkistavat datan ymmärtämisen ja esikäsittelyn.

Viimeinen alitehtävä arvioi luokittelumallin suorituskykyä.

Alitehtävä 1 (10 pistettä)

Laske "Chelsea"-joukkueen pelaamien otteluiden määrä, sekä vieraissa että kotona.

Näytä yksi kokonaisluku.

Alitehtävä 2 (15 pistettä)

TeamStyles-sarakkeesta lähtien laske numeerinen pistemäärä nimeltä StyleAggressionScore, määritelty seuraavasti:

1StyleAggressionScore = (aggressiivisten tyylien määrä) / (tyylien kokonaismäärä)

Aggressiivisiksi katsotut tyylit ovat:

• AggressiveTackler
• RiskTaker
• HighPressure
• ChaosInducer

Tuloksen tulee olla reaaliluku välillä 0 ja 1.

Alitehtävä 3 (75 pistettä)

Rakenna luokittelumalli, joka ennustaa, onko ottelu kaoottinen (chaos_label = 1) vai kontrolloitu (chaos_label = 0).

Jokaiselle test.csv:n riville mallin tulee palauttaa binääriennuste:

• 0 → kontrolloitu ottelu
• 1 → kaoottinen ottelu

Malli voi käyttää mitä tahansa datasetissä saatavilla olevia ominaisuuksia, mukaan lukien aiemmissa alitehtävissä rakennettuja keinotekoisia ominaisuuksia.

Arviointi

Alitehtävässä 3 arviointi tehdään käyttäen F1 macro -pistettä.

F1 macro -pistemäärä lasketaan seuraavasti:

• lasketaan F1-score erikseen jokaiselle luokalle (0 ja 1)
• otetaan aritmeettinen keskiarvo kahdesta arvosta

Tämä mittari kohtelee molempia luokkia tasapuolisesti ja rankaisee malleja, jotka ennustavat oikein vain enemmistöluokan.

Arviointirajat:

• F1 macro ≥ 0.95 → 75 pistettä
• F1 macro ≤ 0.80 → 0 pistettä

Väliarvot saavat suhteellisen pistemäärän.

Palautustiedoston muoto

Tiedoston submission.csv tulee sisältää yksi rivi ensimmäiselle alitehtävälle ja 2 riviä jokaiselle test-riville, vastaten kahta muuta alitehtävää.

Rakenne:

• subtaskID,datapointID,answer

missä:

• subtaskID - 1, 2 tai 3
• datapointID - id-arvo (tai 1 ensimmäiselle alitehtävälle)
• answer - riippuu tehtävästä:
  • Alitehtävä 1: otteluiden määrä (kokonaisluku)
  • Alitehtävä 2: kuvattu pistemäärä (pyöristetty 2 desimaaliin)
  • Alitehtävä 3: binääriennuste (0/1)

Esimerkki id = 25758:

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