著名画作

著名画作

背景

当我们评价著名画作时，除了艺术品质之外，还必须考虑客观特征，如画布尺寸、绘画所用画笔类型、视觉复杂度或色彩密度。自动估价和画家风格识别可以帮助收藏家和博物馆分析大型艺术品收藏。

为了解决这个问题，您将获得两个文件：

• train.csv – 包含所有变量，包括用于训练模型的 target_price
• test.csv – 包含相同变量，但没有 target_price 列，此文件中的数据用于生成预测

数据集描述

要求

对于这个问题，您需要解决3个任务。

任务1 – 艺术真实性评分（20分）

最近，一个人工智能和艺术研究小组发现了一种革命性算法。该算法可以基于画作的客观特征评估一幅画是否确实真实。

对于每幅画，算法使用以下规则计算艺术真实性评分（SAA）：

1. 如果 stroke_density > 0.7，SAA加2分。
2. 如果 complexity > 0.65，SAA加2分。
3. 如果 uses_gold_leaf = True，SAA加1分。
4. 如果 has_signature = True，SAA加1分。
5. 如果 num_colors > 65 且 colorfulness > 0.7，SAA加2分。
6. 如果 contrast < 0.4 或 brightness < 0.45 或 brightness > 0.75，SAA减1分。

计算评分后，画作获得标签：

• Autentic：如果 SAA ≥ 5

• Incert：如果 SAA < 5

• 提交文件中的 Answer 对于 test.csv 中的每幅画将是 Autentic 或 Incert。

任务2 – 按画家风格分组画作（40分）

已知数据集中的画作由5位著名画家创作，但画家信息不可用。

您的任务是为 test.csv 中的每幅画分配一个0到4之间的数字ID，使同一画家创作的画作获得相同的ID。

• 提交文件中的 Answer 对于 test.csv 中的每幅画将是数字ID（0、1、2、3或4）。
• 同一画家创作的所有画作应该有相同的ID。

任务3 – 画作价格估算（40分）

对于 train.csv 中包含的每幅画，我们都指定了价格（target_price 列）。基于 train.csv 中的可用信息，训练一个人工智能模型，能够预测 test.csv 中画作的价格。

提交文件格式

submission.csv 文件必须包含：

• SampleID - 从 test.csv 文件中获取；
• subtaskID - 可以是：Task1、Task2、Task3；
• Answer - 通过 SampleID 指示的画作在通过 subtaskID 指示的任务中计算或估算的值。

评估

子任务1 – 真实性评分

此子任务使用提交答案（Autentic / Incert）与正确标签之间的精确比较。

• 最高分仅在所有答案都正确时授予。
• 如果存在错误答案，使用比例规则按比例授予分数。

子任务2 – 画家分组

评估使用调整兰德指数（ARI）。

• 最高分在以下条件下授予：

• 对于低于此阈值的值，按比例授予分数。

子任务3 – 价格预测

评估使用平均绝对误差（MAE）。

规则：

• MAE ≤ 500 → 最高分
• MAE ≥ 2000 → 0分
• 对于这两个阈值之间的值，按比例授予分数。