Fairplay

FairPlay og kamper med høy risiko

Kontekst

I et parallelt univers er FairPlay avdelingen som er ansvarlig for å overvåke lag og spillere under kamper.

Gjennom årene har FairPlay observert at visse kamper har en tendens til å bli kaotiske oftere når det oppstår:

• overtredelser,
• mange kort,
• kontroversielle avgjørelser og skandaler.

For å unngå skandaler så mye som mulig, ber FairPlay deg om å bygge en modell som klassifiserer kamper etter deres kaospotensial.

Du har tilgang til historiske data om kamper og må bygge en klassifikasjonsmodell som kan forutsi om kampen vil bli kaotisk.

Datasettet

Du har fått tilgang til to filer:

• train.csv - historiske kamper, med etiketten chaos_label
• test.csv - nye kamper, uten etikett

Hver rad representerer en kamp og inneholder følgende kolonner:

• MatchID - unik identifikator for kampen
• Season - konkurransesesongen
• MatchWeek - runden
• HomeTeam - hjemmelaget
• AwayTeam - bortelaget
• Goals - totalt antall mål
• Shots - totalt antall skudd
• Corners - totalt antall hjørnespark
• YellowCards - antall gule kort
• RedCards - antall røde kort
• TeamStyles - liste over spillestiler assosiert med kampen (f.eks: ["AggressiveTackler", "HighPressure"])
• chaos_label - kun i train.csv,
  • 1 = kaotisk kamp / med skandale
  • 0 = kontrollert kamp

Endelig mål:

Forutsi om en kamp fra test.csv er kaotisk (binære verdier - 0 eller 1).

Oppgaver

De to første deloppgavene verifiserer forståelse og forbehandling av data.

Den siste deloppgaven evaluerer ytelsen til klassifikasjonsmodellen.

Deloppgave 1 (10 poeng)

Beregn antall kamper spilt av laget "Chelsea", både borte og hjemme.

Vis et enkelt heltall.

Deloppgave 2 (15 poeng)

Basert på kolonnen TeamStyles, beregn en numerisk score kalt StyleAggressionScore, definert som:

1StyleAggressionScore = (antall aggressive stiler) / (totalt antall stiler)

Stilene som anses som aggressive er:

• AggressiveTackler
• RiskTaker
• HighPressure
• ChaosInducer

Resultatet må være et reelt tall mellom 0 og 1.

Deloppgave 3 (75 poeng)

Bygg en klassifikasjonsmodell som forutsier om en kamp er kaotisk (chaos_label = 1) eller kontrollert (chaos_label = 0).

For hver rad i test.csv, må modellen returnere en binær prediksjon:

• 0 → kontrollert kamp
• 1 → kaotisk kamp

Modellen kan bruke alle tilgjengelige features i datasettet, inkludert kunstige features konstruert i de foregående deloppgavene.

Evaluering

For Deloppgave 3 gjøres evalueringen ved bruk av F1 macro score.

F1 macro score beregnes slik:

• F1-score beregnes separat for hver klasse (0 og 1)
• det aritmetiske gjennomsnittet av de to verdiene tas

Denne metrikken behandler begge klasser likt og straffer modeller som kun predikerer majoritetsklassen korrekt.

Evalueringsterskler:

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

Mellomverdier får proporsjonalt poeng.

Format for innleveringsfilen

Filen submission.csv må inneholde en linje for den første deloppgaven, og 2 linjer for hver rad fra test, tilsvarende de andre 2 deloppgavene.

Struktur:

• subtaskID,datapointID,answer

hvor:

• subtaskID - 1, 2 eller 3
• datapointID - id-verdien (eller 1 for den første deloppgaven)
• answer - avhenger av oppgaven:
  • Deloppgave 1: antall kamper (heltall)
  • Deloppgave 2: den beskrevne scoren (avrundet til 2 desimaler)
  • Deloppgave 3: binær prediksjon (0/1)

Eksempel for id = 25758:

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