Misija Juditis - 11/12

Kontekst

Po kozmičnem pojavu, imenovanem Konvergenca kaosa, so bili liki iz več vesolj stripov združeni v eno samo realnost. Meddimenzijska agencija za spremljanje junakov (AIME) je centralizirala podatke o teh junakih, da bi lahko hitro analizirala njihove profile in sprejemala avtomatizirane odločitve.

Zabeleženi podatki opisujejo tako splošne značilnosti likov kot tudi njihove sposobnosti in pripadajočo numerično statistiko. Analiza teh podatkov je pomembna za:

• hitro pridobivanje opisne statistike o naboru podatkov;
• rekonstrukcijo manjkajočih informacij za nove like;
• klasifikacijo sposobnosti na podlagi drugih razpoložljivih lastnosti.

Za reševanje problema bosta na voljo dve datoteki:

• train.csv – vsebuje označene primere, ki se uporabljajo za analizo in učenje modelov;
• test.csv – vsebuje iste spremenljivke, vendar ne vključuje stolpcev powerstats__combat in Super Strength, ki ju je treba napovedati v 3. in 4. nalogi.

Vesolja junakov

V naboru podatkov se pojavljajo liki iz več založniških vesolj, na primer:

• Marvel Comics
• DC Comics
• Dark Horse Comics
• Image Comics
• Shueisha
• George Lucas
• Microsoft
• J. K. Rowling

V tem problemu pojem "vesolje" ustreza vrednosti v stolpcu Publisher.

Opis nabora podatkov

Vsaka vrstica v datotekah train.csv in test.csv ustreza enemu liku.

Nabor podatkov vsebuje:

• edinstven identifikator: id;
• opisne spremenljivke o liku;
• binarne spremenljivke, ki označujejo prisotnost ali odsotnost določenih sposobnosti;
• zvezne numerične spremenljivke tipa powerstats__...;
• dodatne stolpce z informacijami o junakih.

Primeri stolpcev:

Zahteve

Naloga 1 - Število različnih vesolj (10 točk)

Z uporabo podatkov iz datoteke train.csv določite, koliko različnih vrednosti se pojavi v stolpcu Publisher.

Naloga 2 - Založnik z največ pozitivnimi junaki (10 točk)

Z uporabo podatkov iz datoteke train.csv upoštevajte le like, za katere velja Alignment = good.

Določite, kateri založnik ima največ pozitivnih junakov.

V primeru neodločenega rezultata izberite založnika, ki je prvi po abecednem vrstnem redu.

Naloga 3 - Napovedovanje powerstats__combat (40 točk)

Na podlagi podatkov iz datoteke train.csv naučite model, ki bo sposoben napovedati vrednosti atributa powerstats__combat za vsak lik v test.csv.

Naloga 4 - Napovedovanje sposobnosti Super Strength (40 točk)

Na podlagi podatkov iz datoteke train.csv naučite model, ki bo sposoben napovedati vrednosti atributa Super Strength za vsak lik v test.csv.

Dovoljene vrednosti so (napovedi morajo biti končne binarne oznake, ne verjetnosti):

10.021.0

Format datoteke za oddajo

Datoteka za oddajo mora biti v formatu csv in vsebovati naslednje stolpce:

Možne vrednosti za subtaskID so:

Za Nalogo 1 in Nalogo 2 je odgovor globalen in se pošlje z uporabo posebne vrednosti GLOBAL v stolpcu id.

Primer datoteke submission.csv

1id,subtaskID,answer2GLOBAL,task1,13GLOBAL,task2,Cartoon Network443,task3,2.57550,task3,5.1761,task4,0.074,task4,1.0

Ocenjevanje

Skupno število točk je 100.

Naloga 1 (10 točk)

Ocenjevanje poteka z natančno primerjavo med poslano vrednostjo in pravilnim odgovorom.

Naloga 2 (10 točk)

Ocenjevanje poteka z natančno primerjavo med poslano vrednostjo in pravilnim odgovorom.

Naloga 3 (40 točk)

Za Nalogo 3 se uporablja metrika MAE (Mean Absolute Error).

Točke se dodelijo na naslednji način:

• če je MAE ≤ 12.0, se dodeli 40 točk;
• če je MAE ≥ 30.0, se dodeli 0 točk;
• za vmesne vrednosti se točke linearno interpolirajo.

Uporabljena formula je:

1score_task3 = 40 × (30 - MAE) / (30 - 12), za 12 < MAE < 30

Naloga 4 (40 točk)

Za Nalogo 4 se uporablja metrika Accuracy.

Točke se dodelijo na naslednji način:

• če je Accuracy ≥ 0.90, se dodeli 40 točk;
• če je Accuracy ≤ 0.55, se dodeli 0 točk;
• za vmesne vrednosti se točke linearno interpolirajo.

Uporabljena formula je:

1score_task4 = 40 × (Accuracy - 0.55) / (0.90 - 0.55), za 0.55 < Accuracy < 0.90