Fairplay

FairPlay och matcher med hög risk

Kontext

I ett parallellt universum är FairPlay den avdelning som ansvarar för att övervaka lag och spelare under matcher.

Genom åren har FairPlay observerat att vissa matcher tenderar att bli kaotiska oftare när följande inträffar:

• foul,
• många kort,
• kontroversiella beslut och skandaler.

För att undvika skandaler så mycket som möjligt ber FairPlay dig att bygga en modell som klassificerar matcher efter deras kaospotential.

Du har tillgång till historiska data om matcher och behöver bygga en klassificeringsmodell som kan förutsäga om matchen kommer att bli kaotisk.

Datasetet

Du har fått tillgång till två filer:

• train.csv - historiska matcher, med etiketten chaos_label
• test.csv - nya matcher, utan etikett

Varje rad representerar en match och innehåller följande kolumner:

• MatchID - unik identifierare för matchen
• Season - tävlingssäsongen
• MatchWeek - omgången
• HomeTeam - hemmalaget
• AwayTeam - bortalaget
• Goals - totalt antal mål
• Shots - totalt antal skott
• Corners - totalt antal hörn
• YellowCards - antal gula kort
• RedCards - antal röda kort
• TeamStyles - lista över spelstilar associerade med matchen (ex: ["AggressiveTackler", "HighPressure"])
• chaos_label - endast i train.csv,
  • 1 = kaotisk match / med skandal
  • 0 = kontrollerad match

Slutmål:

Förutsäg om en match från test.csv är kaotisk (binära värden - 0 eller 1).

Uppgifter

De första två deluppgifterna verifierar förståelse och förbehandling av data.

Den sista deluppgiften utvärderar prestandan hos klassificeringsmodellen.

Deluppgift 1 (10 poäng)

Beräkna antalet matcher som spelats av laget "Chelsea", både borta och hemma.

Visa ett enda heltal.

Deluppgift 2 (15 poäng)

Utgående från kolumnen TeamStyles, beräkna en numerisk poäng kallad StyleAggressionScore, definierad som:

1StyleAggressionScore = (antal aggressiva stilar) / (totalt antal stilar)

Stilarna som anses aggressiva är:

• AggressiveTackler
• RiskTaker
• HighPressure
• ChaosInducer

Resultatet ska vara ett reellt tal mellan 0 och 1.

Deluppgift 3 (75 poäng)

Bygg en klassificeringsmodell som förutsäger om en match är kaotisk (chaos_label = 1) eller kontrollerad (chaos_label = 0).

För varje rad i test.csv ska modellen returnera en binär förutsägelse:

• 0 → kontrollerad match
• 1 → kaotisk match

Modellen kan använda vilken feature som helst som finns tillgänglig i datasetet, inklusive artificiella features konstruerade inom ramen för tidigare deluppgifter.

Utvärdering

För Deluppgift 3 görs utvärderingen med F1 macro-poäng.

F1 macro-poängen beräknas enligt följande:

• F1-score beräknas separat för varje klass (0 och 1)
• det aritmetiska medelvärdet av de två värdena tas

Denna metrik behandlar båda klasserna lika och straffar modeller som endast förutsäger majoritetsklassen korrekt.

Utvärderingströsklar:

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

Mellanliggande värden får proportionell poäng.

Format för inlämningsfilen

Filen submission.csv ska innehålla en rad för den första deluppgiften, och 2 rader för varje rad från test, motsvarande de andra 2 deluppgifterna.

Struktur:

• subtaskID,datapointID,answer

där:

• subtaskID - 1, 2 eller 3
• datapointID - id-värdet (eller 1 för första deluppgiften)
• answer - beror på uppgiften:
  • Deluppgift 1: antal matcher (heltal)
  • Deluppgift 2: den beskrivna poängen (approximerad till 2 decimaler)
  • Deluppgift 3: binär förutsägelse (0/1)

Exempel för id = 25758:

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