Fairplay

FairPlay és a magas kockázatú mérkőzések

Kontextus

Egy párhuzamos univerzumban a FairPlay az a részleg, amely felelős a csapatok és játékosok mérkőzések alatti megfigyeléséért.

Az évek során a FairPlay megfigyelte, hogy bizonyos mérkőzések hajlamosabbak káoszba fulladni, amikor megjelennek:

• szabálytalanságok,
• sok lap,
• vitatott döntések és botrányok.

A botrányok lehető legnagyobb elkerülése érdekében a FairPlay arra kér, hogy építs egy modellt, amely a mérkőzéseket káoszpotenciál szerint osztályozza.

Rendelkezésre állnak múltbeli mérkőzésadatok, és egy olyan osztályozó modellt kell építened, amely képes megjósolni, hogy a mérkőzés káoszba fog-e fulladni.

Az adathalmaz

Két fájl áll rendelkezésedre:

• train.csv - múltbeli mérkőzések, chaos_label címkével
• test.csv - új mérkőzések, címke nélkül

Minden sor egy mérkőzést képvisel és a következő oszlopokat tartalmazza:

• MatchID - a mérkőzés egyedi azonosítója
• Season - a versenyidőszak
• MatchWeek - a forduló
• HomeTeam - a hazai csapat
• AwayTeam - a vendégcsapat
• Goals - a gólok teljes száma
• Shots - a lövések teljes száma
• Corners - a szögleteket teljes száma
• YellowCards - a sárga lapok száma
• RedCards - a piros lapok száma
• TeamStyles - a mérkőzéshez kapcsolódó játékstílusok listája (pl: ["AggressiveTackler", "HighPressure"])
• chaos_label - csak a train.csv-ben,
  • 1 = káoszos / botránykos mérkőzés
  • 0 = kontrollált mérkőzés

Végső cél:

Jósold meg, hogy egy test.csv-beli mérkőzés káoszos-e (bináris értékek - 0 vagy 1).

Feladatok

Az első két részfeladat az adatok megértését és előfeldolgozását ellenőrzi.

Az utolsó részfeladat az osztályozó modell teljesítményét értékeli.

1. részfeladat (10 pont)

Számítsd ki a "Chelsea" csapat által játszott mérkőzések számát, mind idegenben, mind hazai pályán.

Egyetlen egész számot jeleníts meg.

2. részfeladat (15 pont)

A TeamStyles oszlopból kiindulva számíts egy StyleAggressionScore nevű numerikus pontszámot, amely így definiált:

1StyleAggressionScore = (agresszív stílusok száma) / (összes stílus száma)

Az agresszívnek tekintett stílusok:

• AggressiveTackler
• RiskTaker
• HighPressure
• ChaosInducer

Az eredménynek 0 és 1 közötti valós számnak kell lennie.

3. részfeladat (75 pont)

Építs egy osztályozó modellt, amely megjósolja, hogy egy mérkőzés káoszos (chaos_label = 1) vagy kontrollált (chaos_label = 0).

A test.csv minden sorához a modellnek bináris előrejelzést kell visszaadnia:

• 0 → kontrollált mérkőzés
• 1 → káoszos mérkőzés

A modell használhatja az adathalmazban elérhető bármely jellemzőt, beleértve az előző részfeladatokban létrehozott mesterséges jellemzőket is.

Értékelés

A 3. részfeladatnál az értékelés makró F1 pontszám használatával történik.

A makró F1 pontszám így számítódik:

• külön-külön kiszámítjuk az F1-score-t minden osztályra (0 és 1)
• a két érték számtani átlagát vesszük

Ez a metrika mindkét osztályt egyenlően kezeli és bünteti azokat a modelleket, amelyek csak a többségi osztályt jósolják meg helyesen.

Értékelési küszöbök:

• F1 makró ≥ 0.95 → 75 pont
• F1 makró ≤ 0.80 → 0 pont

A köztes értékek arányos pontszámot kapnak.

A beküldési fájl formátuma

A submission.csv fájlnak tartalmaznia kell egy sort az első részfeladathoz, és 2-2 sort a test minden sorához, a másik 2 részfeladatnak megfelelően.

Struktúra:

• subtaskID,datapointID,answer

ahol:

• subtaskID - 1, 2 vagy 3
• datapointID - az id értéke (vagy 1 az első részfeladatnál)
• answer - a feladattól függ:
  • 1. részfeladat: mérkőzések száma (egész szám)
  • 2. részfeladat: a leírt pontszám (2 tizedesjegyre kerekítve)
  • 3. részfeladat: bináris előrejelzés (0/1)

Példa id = 25758-ra:

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