Fairplay

FairPlay a zápasy s vysokým rizikom

Kontext

V paralelnom vesmíre je FairPlay oddelenie zodpovedné za monitorovanie tímov a hráčov počas zápasov.

Počas rokov FairPlay pozoroval, že určité zápasy majú tendenciu stať sa chaotickými častejšie, keď sa objavia:

• fauly,
• veľa kariet,
• kontroverzné rozhodnutia a škandály.

Aby sa predišlo škandálom čo najviac, FairPlay od teba žiada, aby si vytvoril model, ktorý klasifikuje zápasy podľa potenciálu chaosu.

Máš k dispozícii údaje z minulosti o zápasoch a musíš vytvoriť klasifikačný model, ktorý dokáže predpovedať, či sa zápas stane chaotickým.

Súbor údajov

Boli ti poskytnuté dva súbory:

• train.csv - zápasy z minulosti, s označením chaos_label
• test.csv - nové zápasy, bez označenia

Každý riadok predstavuje zápas a obsahuje nasledujúce stĺpce:

• MatchID - jedinečný identifikátor zápasu
• Season - súťažná sezóna
• MatchWeek - kolo
• HomeTeam - domáci tím
• AwayTeam - hosťujúci tím
• Goals - celkový počet gólov
• Shots - celkový počet striel
• Corners - celkový počet rohových kopov
• YellowCards - počet žltých kariet
• RedCards - počet červených kariet
• TeamStyles - zoznam herných štýlov spojených so zápasom (napr: ["AggressiveTackler", "HighPressure"])
• chaos_label - len v train.csv,
  • 1 = chaotický zápas / so škandálom
  • 0 = kontrolovaný zápas

Konečný cieľ:

Predpovedať, či je zápas z test.csv chaotický (binárne hodnoty - 0 alebo 1).

Úlohy

Prvé dva podúlohy overujú porozumenie a predspracovanie údajov.

Posledný podúloha hodnotí výkonnosť klasifikačného modelu.

Podúloha 1 (10 bodov)

Vypočítajte počet zápasov odohraných tímom "Chelsea", ako vonku, tak aj doma.

Zobrazte jedno celé číslo.

Podúloha 2 (15 bodov)

Vychádzajúc zo stĺpca TeamStyles, vypočítajte číselné skóre nazvané StyleAggressionScore, definované ako:

1StyleAggressionScore = (počet agresívnych štýlov) / (celkový počet štýlov)

Štýly považované za agresívne sú:

• AggressiveTackler
• RiskTaker
• HighPressure
• ChaosInducer

Výsledok musí byť reálne číslo medzi 0 a 1.

Podúloha 3 (75 bodov)

Vytvorte klasifikačný model, ktorý predpovedá, či je zápas chaotický (chaos_label = 1) alebo kontrolovaný (chaos_label = 0).

Pre každý riadok z test.csv musí model vrátiť binárnu predpoveď:

• 0 → kontrolovaný zápas
• 1 → chaotický zápas

Model môže použiť akýkoľvek dostupný feature v súbore údajov, vrátane umelých features vytvorených v rámci predchádzajúcich podúloh.

Hodnotenie

Pre Podúlohu 3 sa hodnotenie vykonáva pomocou F1 macro skóre.

F1 macro skóre sa vypočíta takto:

• vypočíta sa F1-score samostatne pre každú triedu (0 a 1)
• urobí sa aritmetický priemer týchto dvoch hodnôt

Táto metrika zaobchádza s oboma triedami rovnako a penalizuje modely, ktoré správne predpovedajú len majoritnú triedu.

Prahy hodnotenia:

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

Medziľahlé hodnoty dostávajú proporcionálne bodovanie.

Formát súboru na odovzdanie

Súbor submission.csv musí obsahovať jeden riadok pre prvú podúlohu a po 2 riadky pre každý riadok z test, zodpovedajúce ostatným 2 podúlohám.

Štruktúra:

• subtaskID,datapointID,answer

kde:

• subtaskID - 1, 2 alebo 3
• datapointID - hodnota id (alebo 1 pre prvú podúlohu)
• answer - závisí od úlohy:
  • Podúloha 1: počet zápasov (celé číslo)
  • Podúloha 2: opísané skóre (zaokrúhlené na 2 desatinné miesta)
  • Podúloha 3: binárna predpoveď (0/1)

Príklad pre id = 25758:

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