Juditis 任务 - 11/12

背景

在被称为混沌交汇的宇宙现象之后，来自多个漫画宇宙的角色被聚集到了一个单一的现实中。跨维度英雄监测局 (AIME) 集中了这些英雄的数据，以便快速分析他们的概况并做出自动化决策。

记录的数据描述了角色的通用特征以及相关的能力和数值统计。分析这些数据对于以下方面至关重要：

• 快速提取关于数据集的描述性统计信息；
• 为新角色重建缺失的信息；
• 根据其他可用特征对能力进行分类。

为了解决这个问题，你将获得两个文件：

• train.csv – 包含带标签的示例，用于分析和模型训练；
• test.csv – 包含相同的变量，但不包括 powerstats__combat 和 Super Strength 列，这两列需要在任务 3 和任务 4 中进行预测。

英雄宇宙

数据集中出现了来自多个出版宇宙的角色，例如：

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

在本项目中，“宇宙”的概念对应于 Publisher 列中的值。

数据集描述

train.csv 和 test.csv 文件中的每一行对应一个角色。

数据集包含：

• 唯一标识符：id；
• 角色的描述性变量；
• 指示是否存在某些能力的二元变量；
• powerstats__... 类型的连续数值变量；
• 关于英雄信息的额外列。

列示例：

任务要求

任务 1 - 不同宇宙的数量 (10 分)

使用 train.csv 文件中的数据，确定 Publisher 列中出现了多少个不同的值。

任务 2 - 拥有最多正义英雄的出版商 (10 分)

使用 train.csv 文件中的数据，仅考虑 Alignment = good 的角色。

确定哪个出版商包含最多的正义英雄。

如果出现平局，选择字母顺序靠前的出版商。

任务 3 - 预测 powerstats__combat (40 分)

根据 train.csv 文件中的数据，训练一个模型，能够预测 test.csv 中每个角色的 powerstats__combat 属性值。

任务 4 - 预测 Super Strength 能力 (40 分)

根据 train.csv 文件中的数据，训练一个模型，能够预测 test.csv 中每个角色的 Super Strength 属性值。

允许的值为（预测必须是最终的二元标签，不是概率）：

10.021.0

提交文件格式

提交文件必须为 csv 格式，并包含以下列：

subtaskID 的可能取值为：

对于 任务 1 和 任务 2，答案是全局性的，请在 id 列中使用特殊值 GLOBAL 进行提交。

submission.csv 文件示例

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

评估

总分为 100 分。

任务 1 (10 分)

通过提交值与正确答案之间的精确比较进行评估。

任务 2 (10 分)

通过提交值与正确答案之间的精确比较进行评估。

任务 3 (40 分)

任务 3 使用 MAE (Mean Absolute Error，平均绝对误差) 指标。

评分标准如下：

• 如果 MAE ≤ 12.0，获得 40 分；
• 如果 MAE ≥ 30.0，获得 0 分；
• 对于中间值，分数将进行线性插值。

使用的公式为：

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

任务 4 (40 分)

任务 4 使用 Accuracy (准确率) 指标。

评分标准如下：

• 如果 Accuracy ≥ 0.90，获得 40 分；
• 如果 Accuracy ≤ 0.55，获得 0 分；
• 对于中间值，分数将进行线性插值。

使用的公式为：

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