Честная игра

FairPlay и матчи с высоким риском

Контекст

В параллельной вселенной FairPlay является департаментом, ответственным за мониторинг команд и игроков во время матчей.

На протяжении лет FairPlay заметил, что определенные матчи склонны становиться хаотичными чаще, когда появляются:

• фолы,
• много карточек,
• спорные решения и скандалы.

Чтобы избежать скандалов как можно больше, FairPlay просит вас построить модель, которая классифицирует матчи по потенциалу хаоса.

У вас есть данные из прошлого о матчах, и вы должны построить модель классификации, которая сможет предсказать, станет ли матч хаотичным.

Набор данных

Вам предоставлены два файла:

• train.csv - матчи из прошлого, с меткой chaos_label
• test.csv - новые матчи, без метки

Каждая строка представляет матч и содержит следующие столбцы:

• MatchID - уникальный идентификатор матча
• Season - соревновательный сезон
• MatchWeek - тур
• HomeTeam - команда хозяев
• AwayTeam - команда гостей
• Goals - общее количество голов
• Shots - общее количество ударов
• Corners - общее количество угловых
• YellowCards - количество желтых карточек
• RedCards - количество красных карточек
• TeamStyles - список стилей игры, связанных с матчем (например: ["AggressiveTackler", "HighPressure"])
• chaos_label - только в train.csv,
  • 1 = хаотичный матч / со скандалом
  • 0 = контролируемый матч

Конечная цель:

Предсказать, является ли матч из test.csv хаотичным (бинарные значения - 0 или 1).

Задачи

Первые два подзадания проверяют понимание и предобработку данных.

Последнее подзадание оценивает производительность модели классификации.

Подзадание 1 (10 баллов)

Вычислите количество матчей, сыгранных командой "Chelsea", как в гостях, так и дома.

Выведите одно целое число.

Подзадание 2 (15 баллов)

Исходя из столбца TeamStyles, вычислите числовой показатель под названием StyleAggressionScore, определенный как:

1StyleAggressionScore = (количество агрессивных стилей) / (общее количество стилей)

Стили, считающиеся агрессивными:

• AggressiveTackler
• RiskTaker
• HighPressure
• ChaosInducer

Результат должен быть вещественным числом между 0 и 1.

Подзадание 3 (75 баллов)

Постройте модель классификации, которая предсказывает, является ли матч хаотичным (chaos_label = 1) или контролируемым (chaos_label = 0).

Для каждой строки из test.csv модель должна возвращать бинарное предсказание:

• 0 → контролируемый матч
• 1 → хаотичный матч

Модель может использовать любые доступные признаки в наборе данных, включая искусственные признаки, построенные в рамках предыдущих подзаданий.

Оценка

Для Подзадания 3 оценка производится с использованием макро F1-показателя.

Макро F1-показатель вычисляется следующим образом:

• вычисляется F1-показатель отдельно для каждого класса (0 и 1)
• берется арифметическое среднее двух значений

Эта метрика одинаково относится к обоим классам и штрафует модели, которые правильно предсказывают только мажоритарный класс.

Пороги оценки:

• F1 макро ≥ 0.95 → 75 баллов
• F1 макро ≤ 0.80 → 0 баллов

Промежуточные значения получают пропорциональный балл.

Формат файла подачи

Файл submission.csv должен содержать одну строку для первого подзадания и по 2 строки для каждой строки из test, соответствующие остальным 2 подзаданиям.

Структура:

• subtaskID,datapointID,answer

где:

• subtaskID - 1, 2 или 3
• datapointID - значение id (или 1 для первого подзадания)
• answer - зависит от задачи:
  • Подзадание 1: количество матчей (целое число)
  • Подзадание 2: описанный показатель (округленный до 2 десятичных знаков)
  • Подзадание 3: бинарное предсказание (0/1)

Пример для id = 25758:

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