Fairplay

FairPlay et les matchs à haut risque

Contexte

Dans un univers parallèle, FairPlay est le département responsable de la surveillance des équipes et des joueurs pendant les matchs.

Au fil des années, FairPlay a observé que certains matchs tendent à devenir chaotiques plus souvent lorsqu'apparaissent :

• des fautes,
• de nombreux cartons,
• des décisions controversées et des scandales.

Pour éviter autant que possible les scandales, FairPlay te demande de construire un modèle qui classe les matchs selon leur potentiel de chaos.

Tu as à disposition des données passées sur les matchs et tu dois construire un modèle de classification qui puisse prédire si le match deviendra chaotique.

Le jeu de données

Deux fichiers ont été mis à ta disposition :

• train.csv - matchs passés, avec l'étiquette chaos_label
• test.csv - nouveaux matchs, sans étiquette

Chaque ligne représente un match et contient les colonnes suivantes :

• MatchID - identifiant unique du match
• Season - la saison compétitive
• MatchWeek - la journée
• HomeTeam - l'équipe à domicile
• AwayTeam - l'équipe visiteur
• Goals - le nombre total de buts
• Shots - le nombre total de tirs
• Corners - le nombre total de corners
• YellowCards - le nombre de cartons jaunes
• RedCards - le nombre de cartons rouges
• TeamStyles - liste des styles de jeu associés au match (ex: ["AggressiveTackler", "HighPressure"])
• chaos_label - uniquement dans train.csv,
  • 1 = match chaotique / avec scandale
  • 0 = match contrôlé

Objectif final :

Prédire si un match de test.csv est chaotique (valeurs binaires - 0 ou 1).

Tâches

Les deux premières sous-tâches vérifient la compréhension et le prétraitement des données.

La dernière sous-tâche évalue la performance du modèle de classification.

Sous-tâche 1 (10 points)

Calculez le nombre de matchs joués par l'équipe "Chelsea", tant à l'extérieur qu'à domicile.

Affichez un seul nombre entier.

Sous-tâche 2 (15 points)

En partant de la colonne TeamStyles, calculez un score numérique appelé StyleAggressionScore, défini comme :

1StyleAggressionScore = (nombre de styles agressifs) / (nombre total de styles)

Les styles considérés comme agressifs sont :

• AggressiveTackler
• RiskTaker
• HighPressure
• ChaosInducer

Le résultat doit être un nombre réel entre 0 et 1.

Sous-tâche 3 (75 points)

Construisez un modèle de classification qui prédise si un match est chaotique (chaos_label = 1) ou contrôlé (chaos_label = 0).

Pour chaque ligne de test.csv, le modèle doit retourner une prédiction binaire :

• 0 → match contrôlé
• 1 → match chaotique

Le modèle peut utiliser n'importe quelle caractéristique disponible dans le jeu de données, y compris des caractéristiques artificielles construites dans le cadre des sous-tâches précédentes.

Évaluation

Pour la Sous-tâche 3, l'évaluation se fait en utilisant le score F1 macro.

Le score F1 macro se calcule ainsi :

• on calcule le F1-score séparément pour chaque classe (0 et 1)
• on fait la moyenne arithmétique des deux valeurs

Cette métrique traite les deux classes de manière égale et pénalise les modèles qui prédisent correctement seulement la classe majoritaire.

Seuils d'évaluation :

• F1 macro ≥ 0.95 → 75 points
• F1 macro ≤ 0.80 → 0 point

Les valeurs intermédiaires reçoivent un score proportionnel.

Format du fichier de soumission

Le fichier submission.csv doit contenir une ligne pour la première sous-tâche, et 2 lignes pour chaque ligne de test, correspondant aux 2 autres sous-tâches.

Structure :

• subtaskID,datapointID,answer

où :

• subtaskID - 1, 2 ou 3
• datapointID - la valeur id (ou 1 pour la première sous-tâche)
• answer - dépend de la tâche :
  • Sous-tâche 1 : le nombre de matchs (nombre entier)
  • Sous-tâche 2 : le score décrit (approximé à 2 décimales)
  • Sous-tâche 3 : prédiction binaire (0/1)

Exemple pour id = 25758 :