Kraunama...
Sudėtingumas
Jūsų geriausias rezultatas
Nepasiekiama
Vieną gruodžio mėnesį su didelėmis ir tyliais snaigėmis, kai kaimas dar kvepėjo degančiais malkais ir šviežiais šienais, ištrauktais iš klėčių, šalies viduryje atsivėrė Nacionalinės triušių parodos vartai. Šildomose salėse, spindint po geltonomis šviesomis, augintojai iš visų šalies kampelių su viltimi atvežė gražiausius ir geriausiai prižiūrimus gyvūnus.
Trijų didelių triušių veislių egzemplioriai (kiekviena su gerai įsitvirtinusiu išvaizda ir įpročiais) turėjo vėl susitikti toje pačioje vietoje.
Kiekvienas gyvūnas gaudavo lentelę su ID, o storiame, oda įrištame registre buvo užrašyti visi ženklai, kurie jį skyrė nuo kitų:
lytis, svoris, ausų ilgis, ar ausys kabančios ar ne, kailio spalva, amžius, kailio tipas ir kokybė, kūno forma, ar turi pagurksnį ar ne, taip pat sveikatos būklė.
Tai buvo organizatorių būdas išsaugoti pilną liudijimą apie kiekvieną kailiniuotą sielą, įžengusią į salę.
Organizatoriai nori žinoti, kiek iš į parodą atvestų patelių turėjo kabančias ausis ir nešiojo kilnų havanos atspalvį. Rezultatą turite nustatyti pagal testavimo duomenų rinkinį (test_data.csv).
Nieko sudėtingo, tereikia atidžiai paieškoti registruose, kad galėtumėte jiems pateikti šį atsakymą.
 |  |  |
Vieną šaltą rytą, kai kvėpavimo garai dar kilo salėje, organizatoriai aptiko, kad svarbus puslapis dingo iš oficialaus registro.
Kiekvieno triušio veislė, taip atidžiai užrašyta kitais metais, niekur nebesirado.
Buvo atvežti trijų skirtingų veislių egzemplioriai, tai buvo žinoma tikrai, bet ženklai, kurie juos tiesiogiai identifikavo, dingo.
Tie, kurie gerai pažinojo triušius, buvo paprašyti kantriai stebėti visus egzempliorius ir identifikuoti tris natūralias grupes, naudojantis tik užrašytomis savybėmis: panašumais, skirtumais, aiškiomis ribomis, sritimis, kur gyvūnai atrodė artimi arba tolimi išvaizda. Rezultatą turite nustatyti pagal testavimo duomenų rinkinį (test_data.csv).
Norint įvertinti, kaip gerai atitinka padalijimas į veisles, naudojamas Adjusted Rand Index (ARI), kuris matuoja panašumą tarp dviejų padalijimų, koreguojant atsitiktinį sutapimą.
ARI koeficientas dviem padalijimams apibrėžiamas kaip:
kur:
RI reiškia Rand indeksą tarp dviejų padalijimų;E[RI] yra tikėtina Rand indekso vertė atsitiktiniams padalijimams.Jei gautas skaičius artimas 1, tai reiškia, kad padalijimas į veisles buvo atliktas meistriškai ir veislių charakteristikų ribos buvo teisingai identifikuotos. Parodos organizatoriai yra labai reiklūs ir maksimalų šio subtask taškų skaičių skiria tik tada, kai vertinimo metrikos vertė yra 1.
Tą gruodį dalyvių skaičius buvo toks didelis, kad teisėjai, kad ir kaip stengėsi, negalėjo įvertinti visų gyvūnų.
Tik dalis jų gavo Vertinimo balą, nuo 0 iki 100.
0 reiškia, kad egzempliorius buvo diskvalifikuotas100 reiškia, kad egzempliorius gali būti paskelbtas čempionuKitiems triušiams, dar nepažymėtiems, reikėjo rasti būdą atspėti balą, kurį jie būtų gavę.
Buvo siekiama sistemos, gebančios suprasti ryšius tarp jau įvertintų triušių ir likusių be balo, kad prognozės būtų kuo artimesnės tam, ką būtų pasakę teisėjai.
Kuo mažesni skirtumai, tuo sistema laikoma gabesnė ir tinkamesnė padėti žmonėms, užgultems didelio gyvūnų skaičiaus.
Jūsų užduotis yra sukurti automatinę balų prognozavimo sistemą egzemplioriams, įtrauktiems į test_data.csv.
Modelio našumo vertinimui naudojame MSE (Mean Squared Error) — vidutinę kvadratinę paklaidą. Ji matuoja vidutinį kvadratinį skirtumą tarp tikrųjų ir prognozuojamų verčių.
Formulė yra:
kur:
y_i yra tikrasis egzemplioriaus i balas,y^_i yra modelio prognozuojamas balas,n yra bendras testavimo rinkinio egzempliorių skaičius.Mažesnės MSE vertės rodo geresnį našumą. Kuo prognozuojamos vertės artimesnės tikrosioms, tuo mažesnė bus paklaida.
Norint gautą balą paversti taškais, naudojame paprastą taisyklę, pagrįstą dviem slenkščiais:
Galutinis rezultatas turi būti CSV failas pavadinimu output.csv, kuriame būtų lygiai 3 stulpeliai:
subtaskID - reiškia subtask numerį (1, 2, 3)datapointID - kuris nurodo į ID stulpelį duomenų rinkinyjeanswer - atsakymas, atitinkantis duomenų tašką atitinkamam subtaskPastaba: 1-ajam subtask, kuriam reikia vieno atsakymo visam testavimo duomenų rinkiniui, parodykite vieną eilutę, kurios datapointID būtų 1.
Prašome įsitraukti ir padėti Nacionalinės triušių parodos organizatoriams: istorija apie aistrą ir našumą, supratimą tarp augintojų, panašumus ir skirtumus tarp veislių bei bandymą pamatyti gyvūnų pasaulį su ta kantrybe, kurią tik geras augintojas gali turėti švenčių išvakarėse.