Sąžiningas žaidimas

FairPlay ir didelio rizikos rungtynės

Kontekstas

Lygiagrečiame visate FairPlay yra departamentas, atsakingas už komandų ir žaidėjų stebėjimą rungtynių metu.

Per metus FairPlay pastebėjo, kad tam tikros rungtynės linkusios tapti chaotiškomis dažniau, kai atsiranda:

• pražangos,
• daug kortelių,
• prieštaringi sprendimai ir skandalai.

Kad išvengtų skandalų kiek įmanoma labiau, FairPlay prašo tavęs sukurti modelį, kuris klasifikuoja rungtynes pagal chaoso potencialą.

Turi duomenų iš praeities apie rungtynes ir turi sukurti klasifikavimo modelį, kuris galėtų prognozuoti, ar rungtynės taps chaotiškomis.

Duomenų rinkinys

Tau buvo pateikti du failai:

• train.csv - rungtynės iš praeities, su etikete chaos_label
• test.csv - naujos rungtynės, be etiketės

Kiekviena eilutė reprezentuoja rungtynes ir turi šiuos stulpelius:

• MatchID - unikalus rungtynių identifikatorius
• Season - varžybų sezonas
• MatchWeek - etapas
• HomeTeam - šeimininkų komanda
• AwayTeam - svečių komanda
• Goals - bendras įvarčių skaičius
• Shots - bendras šūvių skaičius
• Corners - bendras kampinių skaičius
• YellowCards - geltonų kortelių skaičius
• RedCards - raudonų kortelių skaičius
• TeamStyles - žaidimo stilių sąrašas, susijęs su rungtynėmis (pvz.: ["AggressiveTackler", "HighPressure"])
• chaos_label - tik train.csv,
  • 1 = chaotiškos rungtynės / su skandalu
  • 0 = kontroliuojamos rungtynės

Galutinis tikslas:

Prognozuoti, ar rungtynės iš test.csv yra chaotiškos (binarinės reikšmės - 0 arba 1).

Užduotys

Pirmosios dvi subužduotys tikrina duomenų supratimą ir apdorojimą.

Paskutinė subužduotis vertina klasifikavimo modelio efektyvumą.

Subužduotis 1 (10 taškų)

Apskaičiuokite rungtynių, kurias žaidė komanda "Chelsea", skaičių, tiek išvykoje, tiek namuose.

Parodykite vieną sveikąjį skaičių.

Subužduotis 2 (15 taškų)

Remiantis TeamStyles stulpeliu, apskaičiuokite skaitinį balą, vadinamą StyleAggressionScore, apibrėžtą kaip:

1StyleAggressionScore = (agresyvių stilių skaičius) / (bendras stilių skaičius)

Stiliai, laikomi agresyviais:

• AggressiveTackler
• RiskTaker
• HighPressure
• ChaosInducer

Rezultatas turi būti realusis skaičius tarp 0 ir 1.

Subužduotis 3 (75 taškai)

Sukurkite klasifikavimo modelį, kuris prognozuotų, ar rungtynės yra chaotiškos (chaos_label = 1) ar kontroliuojamos (chaos_label = 0).

Kiekvienai eilutei iš test.csv, modelis turi grąžinti binarinę prognozę:

• 0 → kontroliuojamos rungtynės
• 1 → chaotiškos rungtynės

Modelis gali naudoti bet kurį prieinamą požymį duomenų rinkinyje, įskaitant dirbtinai sukurtus požymius ankstesnių subužduočių metu.

Vertinimas

Subužduočiai 3 vertinimas atliekamas naudojant F1 macro balą.

F1 macro balas skaičiuojamas taip:

• apskaičiuojamas F1-score atskirai kiekvienai klasei (0 ir 1)
• daroma aritmetinis vidurkis iš dviejų reikšmių

Ši metrika traktuoja abi klases vienodai ir baudžia modelius, kurie teisingai prognozuoja tik daugumos klasę.

Vertinimo slenkščiai:

• F1 macro ≥ 0.95 → 75 taškai
• F1 macro ≤ 0.80 → 0 taškų

Tarpinės reikšmės gauna proporcingą balą.

Pateikimo failo formatas

Failas submission.csv turi turėti vieną eilutę pirmajai subužduočiai ir po 2 eilutes kiekvienai test eilutei, atitinkančias kitas 2 subužduotis.

Struktūra:

• subtaskID,datapointID,answer

kur:

• subtaskID - 1, 2 arba 3
• datapointID - id reikšmė (arba 1 pirmajai subužduočiai)
• answer - priklauso nuo užduoties:
  • Subužduotis 1: rungtynių skaičius (sveikasis skaičius)
  • Subužduotis 2: aprašytas balas (apvalintas iki 2 dešimtainių)
  • Subužduotis 3: binarinė prognozė (0/1)

Pavyzdys id = 25758:

Duomenų rinkinio šaltinis: https://www.kaggle.com/datasets/ajaxianazarenka/premier-league?select=PremierLeague.csv