Решить kaggle на написание Neural classification

Цена договорная

04 октября 2022, 11:16 • 3 отклика • 43 просмотра

Column target corresponds to target variable in train.csv

Есть два агента, которые взаимодействуют друг с другом, в результате чего каждый агент либо получает выигрыш (yi = 1), либо нет (yi = 0). Таргет в данной задаче = (y1 >= 1 & y2 >= 1)
Для тренировочной выборки известно некое матожидание выигрыша агента, рассчитанное на основании их взаимодействия с другим агентом - т.е. насколько вероятно, что после их взаимодействия агент i получил бы выигрыш (train_expected_target_agent_1.csv и train_expected_target_agent_2.csv)
Возможно имеет смысл строить отдельную модель для предсказания таргета под каждого агента по отдельности, а затем просто делать конъюнкцию предсказаний моделей (реальный таргет имеет схожую зависимость). Для этого есть train_target_agent_1.csv и train_target_agent_2.csv

======= Для чего это нужно =======

Можно поэкспериментировать с удалением выбросов из тренировочной выборки - н-р, если expected_target был близок к 1 у обоих агентов, а реальный таргет = 0, скорее всего, это зашумленное наблюдение, которое может негативно повлиять на качество сети.
Аналогично (и это даже не можно, а нужно) поэкспериментировать с удалением бесполезных признаков. У вас их по 117 на каждого агента (в сумме 234), а примеров в трейне чуть больше двух тысяч - есть несколько способов проверить, насколько важен признак для обучения, рекомендую хотя бы одним воспользоваться.
Last but not least - у вас таргет зависит от признаков первого агента и признаков второго агента - можно поэкспериментировать с сиамскими сетями (когда один и тот же экстрактор признаков для обоих агентов, "полученные признаки" обоих агентов конкатенируются, дальше обрабатывается совместно и получаем итоговый результат).

Итог:
нужно преодолеть hard baseline
You can only use neural networks / linear / nearest neighbors models for this task - tree-based models are forbidden!
All the parts must be done independently.