Misija Juditis - 11/12

Kontekst

Nakon kozmičkog fenomena nazvanog Konvergencija kaosa, likovi iz više svemira stripova ujedinjeni su u jednu stvarnost. Interdimenzionalna agencija za praćenje heroja (AIME) centralizirala je podatke o tim herojima kako bi mogla brzo analizirati njihove profile i donositi automatizirane odluke.

Zabilježeni podaci opisuju opće karakteristike likova, kao i njihove vještine i povezane numeričke statistike. Analiza ovih podataka važna je za:

• brzo izvlačenje deskriptivne statistike o skupu podataka;
• rekonstrukciju nedostajućih informacija za nove likove;
• klasifikaciju vještina na temelju ostalih dostupnih značajki.

Za rješavanje problema na raspolaganju ćete imati dvije datoteke:

• train.csv – sadrži označene primjere koji se koriste za analizu i treniranje modela;
• test.csv – sadrži iste varijable, ali ne uključuje stupce powerstats__combat i Super Strength, koje treba predvidjeti u Task 3 i Task 4.

Svemiri heroja

U skupu podataka pojavljuju se likovi iz više izdavačkih svemira, na primjer:

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

U ovom problemu pojam "svemir" odgovara vrijednosti u stupcu Publisher.

Opis skupa podataka

Svaki redak u datotekama train.csv i test.csv odgovara jednom liku.

Skup podataka sadrži:

• jedinstveni identifikator: id;
• deskriptivne varijable o liku;
• binarne varijable koje ukazuju na prisutnost ili odsutnost određenih vještina;
• kontinuirane numeričke varijable tipa powerstats__...;
• dodatne stupce s informacijama o herojima.

Primjeri stupaca:

Zadaci

Task 1 - Broj različitih svemira (10 bodova)

Koristeći podatke iz datoteke train.csv, odredite koliko se različitih vrijednosti pojavljuje u stupcu Publisher.

Task 2 - Izdavač s najviše pozitivnih heroja (10 bodova)

Koristeći podatke iz datoteke train.csv, uzmite u obzir samo likove za koje je Alignment = good.

Odredite koji izdavač sadrži najviše pozitivnih heroja.

U slučaju izjednačenja, bira se izdavač koji je prvi po abecednom redu.

Task 3 - Predviđanje powerstats__combat (40 bodova)

Na temelju podataka iz datoteke train.csv, istrenirajte model sposoban predvidjeti vrijednosti atributa powerstats__combat za svaki lik iz test.csv.

Task 4 - Predviđanje vještine Super Strength (40 bodova)

Na temelju podataka iz datoteke train.csv, istrenirajte model sposoban predvidjeti vrijednosti atributa Super Strength za svaki lik iz test.csv.

Dopuštene vrijednosti su (predviđanja moraju biti konačne binarne oznake, ne vjerojatnosti):

10.021.0

Format datoteke za slanje

Datoteka za slanje mora biti u csv formatu i sadržavati sljedeće stupce:

Possible values for subtaskID are:

Za Task 1 i Task 2, odgovor je globalan i šalje se koristeći posebnu vrijednost GLOBAL u stupcu id.

Primjer datoteke submission.csv

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

Bodovanje

Ukupan broj bodova je 100.

Task 1 (10 bodova)

Evaluacija se vrši točnom usporedbom poslane vrijednosti i točnog odgovora.

Task 2 (10 bodova)

Evaluacija se vrši točnom usporedbom poslane vrijednosti i točnog odgovora.

Task 3 (40 bodova)

Za Task 3 koristi se metrika MAE (Mean Absolute Error).

Bodovi se dodjeljuju na sljedeći način:

• ako je MAE ≤ 12.0, dodjeljuje se 40 bodova;
• ako je MAE ≥ 30.0, dodjeljuje se 0 bodova;
• za međuvrijednosti, bodovi se linearno interpoliraju.

Korištena formula je:

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

Task 4 (40 bodova)

Za Task 4 koristi se metrika Accuracy.

Bodovi se dodjeljuju na sljedeći način:

• ako je Accuracy ≥ 0.90, dodjeljuje se 40 bodova;
• ako je Accuracy ≤ 0.55, dodjeljuje se 0 bodova;
• za međuvrijednosti, bodovi se linearno interpoliraju.

Korištena formula je:

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