Fairplay

FairPlay i utakmice visokog rizika

Kontekst

U paralelnom svemiru, FairPlay je odjel odgovoran za praćenje timova i igrača tijekom utakmica.

Kroz godine, FairPlay je primijetio da određene utakmice imaju tendenciju da postanu kaotične češće kada se pojavljuju:

• prekršaji,
• mnogi kartoni,
• kontroverzne odluke i skandali.

Kako bi izbjegli skandale što je više moguće, FairPlay od tebe traži da izgradiš model koji klasificira utakmice prema potencijalu za kaos.

Na raspolaganju imaš podatke iz prošlosti o utakmicama i trebaš izgraditi klasifikacijski model koji može predvidjeti hoće li utakmica postati kaotična.

Skup podataka

Stavljena su ti na raspolaganje dvije datoteke:

• train.csv - utakmice iz prošlosti, s etiketom chaos_label
• test.csv - nove utakmice, bez etikete

Svaki red predstavlja utakmicu i sadrži sljedeće stupce:

• MatchID - jedinstveni identifikator utakmice
• Season - natjecateljska sezona
• MatchWeek - kolo
• HomeTeam - domaći tim
• AwayTeam - gostujući tim
• Goals - ukupan broj golova
• Shots - ukupan broj udaraca
• Corners - ukupan broj kornera
• YellowCards - broj žutih kartona
• RedCards - broj crvenih kartona
• TeamStyles - lista stilova igre povezanih s utakmicom (npr: ["AggressiveTackler", "HighPressure"])
• chaos_label - samo u train.csv,
  • 1 = kaotična utakmica / sa skandalom
  • 0 = kontrolirana utakmica

Konačni cilj:

Predvidjeti je li utakmica iz test.csv kaotična (binarne vrijednosti - 0 ili 1).

Zadaci

Prva dva podzadatka provjeravaju razumijevanje i pretprocesiranje podataka.

Posljednji podzadatak evaluira performanse klasifikacijskog modela.

Podzadatak 1 (10 bodova)

Izračunajte broj utakmica koje je odigrala momčad "Chelsea", i u gostima i kod kuće.

Prikažite jedan cijeli broj.

Podzadatak 2 (15 bodova)

Polazeći od stupca TeamStyles, izračunajte numerički rezultat nazvan StyleAggressionScore, definiran kao:

1StyleAggressionScore = (broj agresivnih stilova) / (ukupan broj stilova)

Stilovi koji se smatraju agresivnima su:

• AggressiveTackler
• RiskTaker
• HighPressure
• ChaosInducer

Rezultat mora biti realni broj između 0 i 1.

Podzadatak 3 (75 bodova)

Izgradite klasifikacijski model koji predviđa je li utakmica kaotična (chaos_label = 1) ili kontrolirana (chaos_label = 0).

Za svaki red iz test.csv, model mora vratiti binarnu predikciju:

• 0 → kontrolirana utakmica
• 1 → kaotična utakmica

Model može koristiti bilo koje dostupne značajke u skupu podataka, uključujući umjetne značajke izgrađene u okviru prethodnih podzadataka.

Evaluacija

Za Podzadatak 3, evaluacija se vrši koristeći F1 macro rezultat.

F1 macro rezultat se izračunava ovako:

• izračunava se F1-score zasebno za svaku klasu (0 i 1)
• radi se aritmetička sredina dviju vrijednosti

Ova metrika tretira obje klase jednako i kažnjava modele koji točno predviđaju samo većinsku klasu.

Pragovi evaluacije:

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

Međuvrijednosti dobivaju proporcionalni broj bodova.

Format datoteke za predaju

Datoteka submission.csv mora sadržavati jedan red za prvi podzadatak, i po 2 reda za svaki red iz test, koji odgovaraju ostala 2 podzadatka.

Struktura:

• subtaskID,datapointID,answer

gdje:

• subtaskID - 1, 2 ili 3
• datapointID - vrijednost id (ili 1 za prvi podzadatak)
• answer - ovisi o zadatku:
  • Podzadatak 1: broj utakmica (cijeli broj)
  • Podzadatak 2: opisani rezultat (aproksimiran na 2 decimale)
  • Podzadatak 3: binarna predikcija (0/1)

Primjer za id = 25758:

Izvor skupa podataka: https://www.kaggle.com/datasets/ajaxianazarenka/premier-league?select=PremierLeague.csv