Роботи в лабіринті - 9/10

Контекст

У центрі дослідження автономних систем тестуються кілька типів роботів. Для цих експериментів використовувалися різні типи арен, і кожен робот дотримується певної стратегії дослідження. Під час кожного експерименту робот оснащений набором датчиків і систем моніторингу, які збирають інформацію про його діяльність. Записані дані описують різні аспекти поведінки робота та середовища, в якому він працює.
Вони можуть включати числові значення (наприклад, середня швидкість, пройдена відстань, кількість зіткнень або зібраних об'єктів), а також категоріальну або описову інформацію (наприклад, тип арени або умови навколишнього середовища). Аналізуючи ці дані, можна помітити закономірності в тому, як роботи рухаються, досліджують простір, збирають об'єкти або реагують на перешкоди.

Аналіз цих даних важливий для:

• ідентифікації стратегії, якої дотримується робот, на основі спостережуваної поведінки;
• розуміння рис, які відрізняють стратегії одну від одної;
• побудови моделей, здатних автоматично розпізнавати патерни дослідження.

Для вирішення цієї проблеми у вас буде два файли:

• train.csv – містить мічені приклади, що використовуються для аналізу та навчання моделей;
• test.csv – містить ті самі змінні, без стовпця strategy_label, і використовується для генерації прогнозів.

Стратегії роботів

В експериментах використовуються чотири типи стратегій:

• explorer – робот, який намагається відвідати якомога більше різних зон;
• collector – робот, який зосереджений на зборі об'єктів;
• guardian – робот, який патрулює та часто повертається в ті самі регіони;
• sprinter – робот, який швидко рухається, з акцентом на швидкість і охоплення території за короткий час.

Опис набору даних

Кожен рядок у файлах train.csv та test.csv відповідає одному експерименту.

Набір даних містить стовпці, що описують різні аспекти поведінки робота. Приклади таких характеристик:

Вимоги

Task 1 - Кількість типів арен (15 балів)

Використовуючи дані з файлу train.csv, визначте, скільки унікальних значень з'являється в стовпці arena_type.

Task 2 - Максимальна спостережувана швидкість (15 балів)

Використовуючи дані з файлу train.csv, визначте максимальне значення в стовпці avg_speed_mps.

Task 3 - Найчастіше використовувана арена (10 балів)

На основі даних з файлу train.csv визначте тип арени, який найчастіше зустрічається в стовпці arena_type.

Task 4 - Максимальна продуктивність збору (10 балів)

На основі даних з файлу train.csv визначте максимальне значення стовпця items_collected.

Task 5 – Ідентифікація стратегії робота (50 балів)

Побудуйте модель, яка визначає стратегію робота для кожного експерименту з test.csv.

Можливі значення:

1explorer2collector3guardian4sprinter

Формат файлу для відправки

Файл для відправки має бути у форматі csv і містити наступні стовпці:

Можливі значення для subtaskID:

Для Task 1 – Task 4 результатом є значення, обчислене глобально на основі даних з train.csv.
У файлі для відправки воно має бути передане лише один раз, використовуючи спеціальне значення GLOBAL для robot_id.

Для Task 5 необхідно вказати передбачену стратегію для кожного робота з test.csv.

Можливі значення:

1explorer2collector3guardian4sprinter

Приклад файлу submission.csv

1robot_id,subtaskID,answer2GLOBAL,1,103GLOBAL,2,4.314GLOBAL,3,forest5GLOBAL,4,76TR_1000,5,explorer7TR_1001,5,guardian8TR_1002,5,collector

Оцінювання

Загальна кількість балів — 100 балів.

Task 1 – Task 4 (50 балів)

Для перших чотирьох завдань відповіді визначаються виключно на основі даних з train.csv.

Оцінювання проводиться шляхом точного порівняння (рівності) між значенням, переданим у файлі для відправки, та правильним значенням, обчисленим з train.csv.

Task 5 – Ідентифікація стратегії робота (50 балів)

Для цього завдання оцінюється правильність передбачених стратегій для роботів з test.csv.

Використовується метрика Macro-F1, яка обчислює показник F1 для кожного класу, а потім бере середнє значення цих показників.

Для класу c:

Фінальний показник Macro-F1 — це середнє значення показників F1 для всіх класів:

де K — кількість класів. У цій задачі K = 4.

Кількість балів за Task 5 становить:

1score = 50 x MacroF1 (якщо MacroF1 < 0.93)2score = 50 (якщо MacroF1 >= 0.93)

⬇ Завантажити Starter Kit