משחק הוגן

FairPlay ומשחקים בסיכון גבוה

הקשר

ביקום מקביל, FairPlay הוא המחלקה האחראית על מעקב אחר קבוצות ושחקנים במהלך משחקים.

לאורך השנים, FairPlay הבחין שמשחקים מסוימים נוטים להפוך כאוטיים יותר כאשר מופיעים:

• עבירות,
• הרבה כרטיסים,
• החלטות שנויות במחלוקת ושערוריות.

כדי למנוע שערוריות ככל הניתן, FairPlay מבקש ממך לבנות מודל שמסווג משחקים לפי הפוטנציאל לכאוס.

יש לך נתונים מהעבר על משחקים ועליך לבנות מודל סיווג שיכול לחזות אם המשחק יהפוך כאוטי.

מערך הנתונים

הועמדו לרשותך שני קבצים:

• train.csv - משחקים מהעבר, עם התווית chaos_label
• test.csv - משחקים חדשים, ללא תווית

כל שורה מייצגת משחק ומכילה את העמודות הבאות:

• MatchID - מזהה ייחודי של המשחק
• Season - העונה התחרותית
• MatchWeek - המחזור
• HomeTeam - הקבוצה המארחת
• AwayTeam - הקבוצה האורחת
• Goals - מספר השערים הכולל
• Shots - מספר הבעיטות הכולל
• Corners - מספר הקורנרים הכולל
• YellowCards - מספר הכרטיסים הצהובים
• RedCards - מספר הכרטיסים האדומים
• TeamStyles - רשימת סגנונות משחק הקשורים למשחק (לדוגמה: ["AggressiveTackler", "HighPressure"])
• chaos_label - רק ב-train.csv,
  • 1 = משחק כאוטי / עם שערורייה
  • 0 = משחק מבוקר

המטרה הסופית:

חזה אם משחק מ-test.csv הוא כאוטי (ערכים בינאריים - 0 או 1).

משימות

שתי המשימות הראשונות בודקות הבנה ועיבוד מקדים של הנתונים.

המשימה האחרונה מעריכה את הביצועים של מודל הסיווג.

משימה 1 (10 נקודות)

חשב את מספר המשחקים ששיחקה הקבוצה "Chelsea", הן בחוץ והן בבית.

הצג מספר שלם יחיד.

משימה 2 (15 נקודות)

החל מהעמודה TeamStyles, חשב ציון מספרי הנקרא StyleAggressionScore, המוגדר כ:

1StyleAggressionScore = (מספר הסגנונות האגרסיביים) / (מספר הסגנונות הכולל)

הסגנונות הנחשבים אגרסיביים הם:

• AggressiveTackler
• RiskTaker
• HighPressure
• ChaosInducer

התוצאה חייבת להיות מספר ממשי בין 0 ל-1.

משימה 3 (75 נקודות)

בנה מודל סיווג שיחזה אם משחק הוא כאוטי (chaos_label = 1) או מבוקר (chaos_label = 0).

עבור כל שורה ב-test.csv, המודל חייב להחזיר חיזוי בינארי:

• 0 → משחק מבוקר
• 1 → משחק כאוטי

המודל יכול להשתמש בכל תכונה זמינה במערך הנתונים, כולל תכונות מלאכותיות שנבנו במסגרת המשימות הקודמות.

הערכה

עבור משימה 3, ההערכה נעשית באמצעות ציון F1 macro.

ציון F1 macro מחושב כך:

• מחשבים F1-score בנפרד עבור כל מחלקה (0 ו-1)
• עושים ממוצע חשבוני של שני הערכים

מדד זה מתייחס לשתי המחלקות באופן שווה ומעניש מודלים שמחזים נכון רק את המחלקה הרוב.

ספי הערכה:

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

ערכים ביניים מקבלים ניקוד יחסי.

פורמט קובץ ההגשה

הקובץ submission.csv חייב להכיל שורה אחת עבור המשימה הראשונה, ו-2 שורות עבור כל שורה מ-test, המתאימות ל-2 המשימות האחרות.

מבנה:

• subtaskID,datapointID,answer

כאשר:

• subtaskID - 1, 2 או 3
• datapointID - ערך ה-id (או 1 עבור המשימה הראשונה)
• answer - תלוי במשימה:
  • משימה 1: מספר המשחקים (מספר שלם)
  • משימה 2: הציון המתואר (מעוגל ל-2 מקומות עשרוניים)
  • משימה 3: חיזוי בינארי (0/1)

דוגמה עבור id = 25758:

מקור מערך הנתונים: https://www.kaggle.com/datasets/ajaxianazarenka/premier-league?select=PremierLeague.csv