Misija Juditis - 11/12

Kontekst

Nakon kosmičkog fenomena nazvanog Konvergencija haosa, likovi iz više univerzuma stripova ujedinjeni su u jednu stvarnost. Interdimenzionalna agencija za praćenje heroja (AIME) centralizovala je podatke o ovim herojima kako bi mogla brzo analizirati njihove profile i donositi automatizovane odluke.

Zabeleženi podaci opisuju opšte karakteristike likova, kao i njihove sposobnosti i numeričke statistike. Analiza ovih podataka je važna za:

• brzo izvlačenje deskriptivne statistike o skupu podataka;
• rekonstrukciju nedostajućih informacija za nove likove;
• klasifikaciju sposobnosti na osnovu ostalih dostupnih osobina.

Za rešavanje problema na raspolaganju ćete imati dva fajla:

• train.csv – sadrži označene primere koji se koriste za analizu i treniranje modela;
• test.csv – sadrži iste varijable, ali ne uključuje kolone powerstats__combat i Super Strength, koje treba predvideti u Task 3 i Task 4.

Univerzumi heroja

U skupu podataka pojavljuju se likovi iz više izdavačkih univerzuma, na primer:

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

U ovom problemu, pojam "univerzum" odgovara vrednosti u koloni Publisher.

Opis skupa podataka

Svaki red u fajlovima train.csv i test.csv odgovara jednom liku.

Skup podataka sadrži:

• jedinstveni identifikator: id;
• deskriptivne varijable o liku;
• binarne varijable koje ukazuju na prisustvo ili odsustvo određenih sposobnosti;
• kontinuirane numeričke varijable tipa powerstats__...;
• dodatne kolone sa informacijama o herojima.

Primeri kolona:

Zadaci

Task 1 - Broj različitih univerzuma (10 poena)

Koristeći podatke iz fajla train.csv, odredite koliko se različitih vrednosti pojavljuje u koloni Publisher.

Task 2 - Izdavač sa najviše pozitivnih heroja (10 poena)

Koristeći podatke iz fajla train.csv, uzmite u obzir samo likove za koje je Alignment = good.

Odredite koji izdavač sadrži najviše pozitivnih heroja.

U slučaju nerešenog rezultata, bira se izdavač koji je prvi po abecednom redu.

Task 3 - Predviđanje powerstats__combat (40 poena)

Na osnovu podataka iz fajla train.csv, istrenirajte model sposoban da predvidi vrednosti atributa powerstats__combat za svakog lika iz test.csv.

Task 4 - Predviđanje sposobnosti Super Strength (40 poena)

Na osnovu podataka iz fajla train.csv, istrenirajte model sposoban da predvidi vrednosti atributa Super Strength za svakog lika iz test.csv.

Dozvoljene vrednosti su (predviđanja moraju biti konačne binarne oznake, ne verovatnoće):

10.021.0

Format fajla za slanje

Fajl za slanje mora biti u csv formatu i sadržati sledeće kolone:

Moguće vrednosti za subtaskID su:

Za Task 1 i Task 2, odgovor je globalan i šalje se koristeći specijalnu vrednost GLOBAL u koloni id.

Primer fajla submission.csv

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

Evaluacija

Ukupan broj poena je 100.

Task 1 (10 poena)

Evaluacija se vrši egzaktnim poređenjem između poslate vrednosti i tačnog odgovora.

Task 2 (10 poena)

Evaluacija se vrši egzaktnim poređenjem između poslate vrednosti i tačnog odgovora.

Task 3 (40 poena)

Za Task 3 koristi se metrika MAE (Mean Absolute Error).

Poeni se dodeljuju na sledeći način:

• ako je MAE ≤ 12.0, dodeljuje se 40 poena;
• ako je MAE ≥ 30.0, dodeljuje se 0 poena;
• za međuvrednosti, broj poena se linearno interpolira.

Korišćena formula je:

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

Task 4 (40 poena)

Za Task 4 koristi se metrika Accuracy.

Poeni se dodeljuju na sledeći način:

• ako je Accuracy ≥ 0.90, dodeljuje se 40 poena;
• ako je Accuracy ≤ 0.55, dodeljuje se 0 poena;
• za međuvrednosti, broj poena se linearno interpolira.

Korišćena formula je:

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