Місія Juditis - 11/12

Контекст

Внаслідок космічного феномену під назвою Конвергенція Хаосу, персонажі з багатьох всесвітів коміксів були об'єднані в єдину реальність. Міжвимірне агентство моніторингу героїв (AIME) централізувало дані про цих героїв, щоб мати можливість швидко аналізувати їхні профілі та приймати автоматизовані рішення.

Записані дані описують як загальні характеристики персонажів, так і їхні здібності та пов'язані з ними числові показники. Аналіз цих даних важливий для:

• швидкого отримання описової статистики про набір даних;
• відновлення відсутньої інформації для нових персонажів;
• класифікації здібностей на основі інших доступних рис.

Для розв'язання задачі у вас буде два файли:

• train.csv – містить розмічені приклади, що використовуються для аналізу та навчання моделей;
• test.csv – містить ті самі змінні, але не включає стовпці powerstats__combat та Super Strength, які необхідно передбачити в Task 3 та Task 4.

Всесвіти героїв

У наборі даних представлені персонажі з багатьох видавничих всесвітів, наприклад:

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

У цій задачі поняття «всесвіт» відповідає значенню в стовпці Publisher.

Опис набору даних

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

Набір даних містить:

• унікальний ідентифікатор: id;
• описові змінні про персонажа;
• бінарні змінні, що вказують на наявність або відсутність певних здібностей;
• неперервні числові змінні типу powerstats__...;
• додаткові стовпці з інформацією про героїв.

Приклади стовпців:

Завдання

Task 1 - Кількість унікальних всесвітів (10 балів)

Використовуючи дані з файлу train.csv, визначте, скільки унікальних значень міститься в стовпці Publisher.

Task 2 - Видавець з найбільшою кількістю позитивних героїв (10 балів)

Використовуючи дані з файлу train.csv, розгляньте лише персонажів, для яких Alignment = good.

Визначте видавця, який має найбільшу кількість позитивних героїв.

У разі рівності виберіть видавця, який іде першим за алфавітом.

Task 3 - Прогнозування powerstats__combat (40 балів)

На основі даних із файлу train.csv навчіть модель, здатну передбачити значення атрибута powerstats__combat для кожного персонажа з test.csv.

Task 4 - Прогнозування здібності Super Strength (40 балів)

На основі даних із файлу train.csv навчіть модель, здатну передбачити значення атрибута Super Strength для кожного персонажа з test.csv.

Дозволені значення (прогнози мають бути кінцевими бінарними мітками, не ймовірностями):

10.021.0

Формат файлу для відправки

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

Можливі значення для subtaskID:

Для Task 1 та Task 2 відповідь є глобальною і передається з використанням спеціального значення GLOBAL у стовпці id.

Приклад файлу submission.csv

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

Оцінювання

Загальна кількість балів — 100.

Task 1 (10 балів)

Оцінювання проводиться шляхом точного порівняння надісланого значення з правильною відповіддю.

Task 2 (10 балів)

Оцінювання проводиться шляхом точного порівняння надісланого значення з правильною відповіддю.

Task 3 (40 балів)

Для Task 3 використовується метрика MAE (Mean Absolute Error).

Бали нараховуються наступним чином:

• якщо MAE ≤ 12.0, нараховується 40 балів;
• якщо MAE ≥ 30.0, нараховується 0 балів;
• для проміжних значень бали інтерполюються лінійно.

Використовувана формула:

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

Task 4 (40 балів)

Для Task 4 використовується метрика Accuracy.

Бали нараховуються наступним чином:

• якщо Accuracy ≥ 0.90, нараховується 40 балів;
• якщо Accuracy ≤ 0.55, нараховується 0 балів;
• для проміжних значень бали інтерполюються лінійно.

Використовувана формула:

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