Fairplay

FairPlay i mecze wysokiego ryzyka

Kontekst

W równoległym wszechświecie FairPlay to departament odpowiedzialny za monitorowanie drużyn i zawodników podczas meczów.

Na przestrzeni lat FairPlay zauważył, że niektóre mecze mają tendencję do stawania się chaotycznymi częściej, gdy pojawiają się:

• faule,
• dużo kartek,
• kontrowersyjne decyzje i skandale.

Aby uniknąć skandali w jak największym stopniu, FairPlay prosi cię o zbudowanie modelu, który klasyfikuje mecze według potencjału chaosu.

Masz do dyspozycji dane z przeszłości o meczach i musisz zbudować model klasyfikacyjny, który będzie mógł przewidzieć, czy mecz stanie się chaotyczny.

Zbiór danych

Zostały ci udostępnione dwa pliki:

• train.csv - mecze z przeszłości, z etykietą chaos_label
• test.csv - nowe mecze, bez etykiety

Każdy wiersz reprezentuje mecz i zawiera następujące kolumny:

• MatchID - unikalny identyfikator meczu
• Season - sezon rozgrywek
• MatchWeek - kolejka
• HomeTeam - drużyna gospodarzy
• AwayTeam - drużyna gości
• Goals - całkowita liczba goli
• Shots - całkowita liczba strzałów
• Corners - całkowita liczba rzutów rożnych
• YellowCards - liczba żółtych kartek
• RedCards - liczba czerwonych kartek
• TeamStyles - lista stylów gry związanych z meczem (np. ["AggressiveTackler", "HighPressure"])
• chaos_label - tylko w train.csv,
  • 1 = mecz chaotyczny / ze skandalem
  • 0 = mecz kontrolowany

Cel końcowy:

Przewidzieć, czy mecz z test.csv jest chaotyczny (wartości binarne - 0 lub 1).

Zadania

Pierwsze dwa podzadania sprawdzają zrozumienie i przetwarzanie danych.

Ostatnie podzadanie ocenia wydajność modelu klasyfikacyjnego.

Podzadanie 1 (10 punktów)

Oblicz liczbę meczów rozegranych przez drużynę "Chelsea", zarówno na wyjeździe, jak i w domu.

Wyświetl jedną liczbę całkowitą.

Podzadanie 2 (15 punktów)

Wychodząc od kolumny TeamStyles, oblicz wynik numeryczny o nazwie StyleAggressionScore, zdefiniowany jako:

1StyleAggressionScore = (liczba stylów agresywnych) / (całkowita liczba stylów)

Style uważane za agresywne to:

• AggressiveTackler
• RiskTaker
• HighPressure
• ChaosInducer

Wynik musi być liczbą rzeczywistą między 0 a 1.

Podzadanie 3 (75 punktów)

Zbuduj model klasyfikacyjny, który przewiduje, czy mecz jest chaotyczny (chaos_label = 1) czy kontrolowany (chaos_label = 0).

Dla każdego wiersza z test.csv, model musi zwrócić przewidywanie binarne:

• 0 → mecz kontrolowany
• 1 → mecz chaotyczny

Model może używać dowolnych cech dostępnych w zbiorze danych, włącznie z sztucznymi cechami zbudowanymi w ramach poprzednich podzadań.

Ocena

Dla Podzadania 3, ocena odbywa się za pomocą wyniku F1 macro.

Wynik F1 macro oblicza się w następujący sposób:

• oblicza się F1-score oddzielnie dla każdej klasy (0 i 1)
• oblicza się średnią arytmetyczną z dwóch wartości

Ta metryka traktuje obie klasy równo i karze modele, które przewidują poprawnie tylko klasę większościową.

Progi oceny:

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

Wartości pośrednie otrzymują punktację proporcjonalną.

Format pliku zgłoszenia

Plik submission.csv musi zawierać jedną linię dla pierwszego podzadania i po 2 linie dla każdego wiersza z test, odpowiadające pozostałym 2 podzadaniom.

Struktura:

• subtaskID,datapointID,answer

gdzie:

• subtaskID - 1, 2 lub 3
• datapointID - wartość id (lub 1 dla pierwszego podzadania)
• answer - zależy od zadania:
  • Podzadanie 1: liczba meczów (liczba całkowita)
  • Podzadanie 2: opisany wynik (przybliżony do 2 miejsc po przecinku)
  • Podzadanie 3: przewidywanie binarne (0/1)

Przykład dla id = 25758:

Źródło zbioru danych: https://www.kaggle.com/datasets/ajaxianazarenka/premier-league?select=PremierLeague.csv