Правила соревнования: Water Potability Prediction

1. Общие правила и ограничения

• Допустимые источники данных: Разрешено использовать только официальные датасеты соревнования (train.csv, test.csv). Использование любых внешних данных, предобученных моделей на сторонних датасетах контроля качества воды или ручная разметка тестовой выборки строго запрещены.
• Порядок выбора финальных отправок: Каждый участник или команда должны самостоятельно выбрать 2 финальные отправки (submits), которые пойдут в итоговый зачет на Private Leaderboard. Если выбор не сделан вручную, система автоматически выберет отправки с наилучшим результатом на Public Leaderboard.

2. Постановка задачи и целевая колонка

Задача заключается в автоматическом определении пригодности пробы воды для питья на основе её физико-химических показателей. Это задача бинарной классификации.

• Целевая колонка: Potability
  • 1 — вода безопасна и пригодна для питья.
  • 0 — вода загрязнена или непригодна для употребления.

3. Метрика и направление оптимизации

Качество решений оценивается по метрике F1-Score

4. Назначение файлов данных

Для успешного прохождения трека участникам доступны следующие файлы:

• train.csv — обучающая выборка. Содержит уникальный идентификатор id, физико-химические признаки и целевую колокну Potability для обучения моделей.
• test.csv — тестовая выборка. Содержит уникальный идентификатор id и признаки, но не содержит колонку Potability. По этим данным необходимо построить прогноз.
• sample_submission.csv — демонстрационный файл (шаблон) в правильном формате, показывающий, как должна выглядеть итоговая отправка.

5. Точный формат отправки (Format Submission)

Итоговый файл ответа должен быть сохранен строго в формате CSV со следующей структурой:

1. Файл должен содержать ровно две колонки: id и Potability.
2. Количество строк должно строго соответствовать количеству строк в файле test.csv (плюс строка заголовка).
3. В качестве разделителя колонок должна использоваться запятая ,.

Пример корректного содержимого файла:

id,Potability
3276,1
3277,0
3278,1
3279,0

6. Описание признаков (Data Dictionary)

Для анализа зависимостей и построения качественных признаков (Feature Engineering) используйте следующее описание колонок:

• id — уникальный числовой идентификатор пробы воды.
• ph — уровень pH (кислотно-щелочной баланс воды; рекомендуемая норма ВОЗ: 6.5 – 8.5).
• Hardness — жесткость воды (содержание солей кальция и магния, мг/л).
• Solids — общая минерализация / сухой остаток (количество растворенных твердых веществ, ppm).
• Chloramines — концентрация хлораминов (химические вещества, используемые для дезинфекции, ppm).
• Sulfate — концентрация сульфатов в воде (мг/л).
• Conductivity — удельная электрическая проводимость воды (отражает степень минерализации, мкСм/см).
• Organic_carbon — общий органический углерод (мера уровня органического загрязнения, ppm).
• Trihalomethanes — тригалометаны (побочные продукты хлорирования воды, мкг/л).
• Turbidity