Juditis misija - 11/12

Kontekstas

Po kosminio reiškinio, vadinamo Chaoso konvergencija, personažai iš daugelio komiksų visatų buvo sujungti į vieną realybę. Tarpdimensinė herojų stebėjimo agentūra (AIME) centralizavo duomenis apie šiuos herojus, kad galėtų greitai analizuoti jų profilius ir priimti automatizuotus sprendimus.

Užregistruoti duomenys aprašo tiek bendrąsias personažų charakteristikas, tiek su jais susijusius gebėjimus bei skaitinę statistiką. Šių duomenų analizė yra svarbi:

• greitam aprašomosios statistikos apie duomenų rinkinį išgavimui;
• trūkstamos informacijos apie naujus personažus atkūrimui;
• gebėjimų klasifikavimui remiantis kitais turimais bruožais.

Problemai spręsti turėsite du failus:

• train.csv – jame yra paženklinti pavyzdžiai, naudojami analizei ir modelių mokymui;
• test.csv – jame yra tie patys kintamieji, tačiau nėra stulpelių powerstats__combat ir Super Strength, kuriuos reikia nuspėti 3 ir 4 užduotyse.

Herojų visatos

Duomenų rinkinyje pateikiami personažai iš įvairių leidybos visatų, pavyzdžiui:

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

Šioje užduotyje „visatos“ sąvoka atitinka reikšmę stulpelyje Publisher.

Duomenų rinkinio aprašymas

Kiekviena eilutė train.csv ir test.csv failuose atitinka vieną personažą.

Duomenų rinkinį sudaro:

• unikalus identifikatorius: id;
• aprašomieji personažo kintamieji;
• binariniai kintamieji, rodantys tam tikrų gebėjimų buvimą ar nebuvimą;
• tolydieji skaitiniai kintamieji powerstats__...;
• papildomi stulpeliai su informacija apie herojus.

Stulpelių pavyzdžiai:

Užduotys

1 užduotis – Skirtingų visatų skaičius (10 taškų)

Naudodami train.csv failo duomenis, nustatykite, kiek skirtingų reikšmių yra stulpelyje Publisher.

2 užduotis – Leidėjas, turintis daugiausiai teigiamų herojų (10 taškų)

Naudodami train.csv failo duomenis, atsižvelkite tik į personažus, kurių Alignment = good.

Nustatykite, kuris leidėjas turi daugiausiai teigiamų herojų.

Lygiųjų atveju pasirenkamas leidėjas, kuris yra pirmas pagal abėcėlę.

3 užduotis – powerstats__combat prognozavimas (40 taškų)

Remdamiesi train.csv failo duomenimis, apmokykite modelį, galintį nuspėti powerstats__combat atributo reikšmes kiekvienam personažui iš test.csv.

4 užduotis – Super Strength gebėjimo prognozavimas (40 taškų)

Remdamiesi train.csv failo duomenimis, apmokykite modelį, galintį nuspėti Super Strength atributo reikšmes kiekvienam personažui iš test.csv.

Leidžiamos reikšmės (prognozės turi būti galutinės binarinės žymos, o ne tikimybės):

10.021.0

Pateikiamo failo formatas

Pateikiamas failas turi būti csv formato ir jį turi sudaryti šie stulpeliai:

Galimos subtaskID reikšmės:

1 užduočiai ir 2 užduočiai atsakymas yra bendras ir pateikiamas naudojant specialią reikšmę GLOBAL stulpelyje id.

Failo submission.csv pavyzdys

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

Vertinimas

Iš viso galima surinkti 100 taškų.

1 užduotis (10 taškų)

Vertinama lyginant pateiktą reikšmę su tiksliu teisingu atsakymu.

2 užduotis (10 taškų)

Vertinama lyginant pateiktą reikšmę su tiksliu teisingu atsakymu.

3 užduotis (40 taškų)

3 užduočiai naudojama MAE (Mean Absolute Error) metrika.

Taškai skiriami taip:

• jei MAE ≤ 12.0, skiriama 40 taškų;
• jei MAE ≥ 30.0, skiriama 0 taškų;
• tarpinėms reikšmėms taškai interpoliuojami tiesiogiai.

Naudojama formulė:

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

4 užduotis (40 taškų)

4 užduočiai naudojama Accuracy (tikslumo) metrika.

Taškai skiriami taip:

• jei Accuracy ≥ 0.90, skiriama 40 taškų;
• jei Accuracy ≤ 0.55, skiriama 0 taškų;
• tarpinėms reikšmėms taškai interpoliuojami tiesiogiai.

Naudojama formulė:

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