Чесна гра

FairPlay та матчі з високим ризиком

Контекст

У паралельному всесвіті FairPlay є департаментом, відповідальним за моніторинг команд та гравців під час матчів.

Протягом років FairPlay помітив, що певні матчі схильні ставати хаотичними частіше, коли з'являються:

• фоли,
• багато карток,
• суперечливі рішення та скандали.

Щоб уникнути скандалів якомога більше, FairPlay просить вас побудувати модель, яка класифікує матчі за потенціалом хаосу.

У вашому розпорядженні є дані з минулого про матчі, і вам потрібно побудувати модель класифікації, яка зможе передбачити, чи стане матч хаотичним.

Набір даних

Вам було надано два файли:

• train.csv - матчі з минулого, з міткою chaos_label
• test.csv - нові матчі, без мітки

Кожен рядок представляє матч і містить наступні колонки:

• MatchID - унікальний ідентифікатор матчу
• Season - змагальний сезон
• MatchWeek - тур
• HomeTeam - команда господарів
• AwayTeam - команда гостей
• Goals - загальна кількість голів
• Shots - загальна кількість пострілів
• Corners - загальна кількість кутових
• YellowCards - кількість жовтих карток
• RedCards - кількість червоних карток
• TeamStyles - список стилів гри, пов'язаних з матчем (наприклад: ["AggressiveTackler", "HighPressure"])
• chaos_label - тільки в train.csv,
  • 1 = хаотичний матч / зі скандалом
  • 0 = контрольований матч

Кінцева мета:

Передбачити, чи є матч з test.csv хаотичним (бінарні значення - 0 або 1).

Завдання

Перші два підзавдання перевіряють розуміння та попередню обробку даних.

Останнє підзавдання оцінює продуктивність моделі класифікації.

Підзавдання 1 (10 балів)

Обчисліть кількість матчів, зіграних командою "Chelsea", як у гостях, так і вдома.

Виведіть одне ціле число.

Підзавдання 2 (15 балів)

Виходячи з колонки TeamStyles, обчисліть числовий показник під назвою StyleAggressionScore, визначений як:

1StyleAggressionScore = (кількість агресивних стилів) / (загальна кількість стилів)

Стилі, що вважаються агресивними:

• AggressiveTackler
• RiskTaker
• HighPressure
• ChaosInducer

Результат повинен бути дійсним числом між 0 та 1.

Підзавдання 3 (75 балів)

Побудуйте модель класифікації, яка передбачає, чи є матч хаотичним (chaos_label = 1) або контрольованим (chaos_label = 0).

Для кожного рядка з test.csv модель повинна повернути бінарне передбачення:

• 0 → контрольований матч
• 1 → хаотичний матч

Модель може використовувати будь-які доступні ознаки в наборі даних, включаючи штучні ознаки, побудовані в рамках попередніх підзавдань.

Оцінювання

Для Підзавдання 3 оцінювання проводиться за допомогою F1 macro балу.

F1 macro бал обчислюється таким чином:

• обчислюється F1-score окремо для кожного класу (0 та 1)
• береться арифметичне середнє двох значень

Ця метрика однаково ставиться до обох класів і штрафує моделі, які правильно передбачають тільки мажоритарний клас.

Пороги оцінювання:

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

Проміжні значення отримують пропорційний бал.

Формат файлу подання

Файл submission.csv повинен містити один рядок для першого підзавдання та по 2 рядки для кожного рядка з test, що відповідають іншим 2 підзавданням.

Структура:

• subtaskID,datapointID,answer

де:

• subtaskID - 1, 2 або 3
• datapointID - значення id (або 1 для першого підзавдання)
• answer - залежить від завдання:
  • Підзавдання 1: кількість матчів (ціле число)
  • Підзавдання 2: описаний бал (округлений до 2 десяткових знаків)
  • Підзавдання 3: бінарне передбачення (0/1)

Приклад для id = 25758:

Джерело набору даних: https://www.kaggle.com/datasets/ajaxianazarenka/premier-league?select=PremierLeague.csv