Контест «Уволится ли учитель?»

Директор собирает данные о педагогах и хочет понять заранее: кто из учителей может уволиться в следующем году? На таких данных можно строить систему поддержки: вовремя снизить нагрузку, пересмотреть оплату, помочь с развитием — и удержать человека в профессии.

Ваши модели будут работать с обезличенными данными. Все совпадения с реальными людьми случайны: датасет синтетический.

Постановка задачи

Бинарная классификация. По анкете учителя предскажите, уволится ли он в следующем учебном году: quit = 1 — уйдёт, quit = 0 — останется.

Данные

train.csv — обучающая выборка (6000 учителей)

test.csv — тестовая выборка (2000 учителей)

Те же колонки, но без quit. Именно для них вы делаете предсказания.

sample_submission.csv

Образец файла ответа: колонки id и quit.

Что сдаём

CSV-файл с колонками id и quit, где quit — ваш прогноз: 0 или 1(предсказание об уходе учителя). Пример:

id,quit
6001,1
6002,0

Метрика

F1-мера по классу 1 («уволится») — гармоническое среднее точности и полноты:

• Точность (precision) — какая доля ваших «уволится» действительно ушла;
• Полнота (recall) — какая доля реально ушедших была вами поймана;
• F1 = 2·P·R/(P+R). Максимум 1, чем выше — тем лучше.

Модель выдаёт вероятность ухода; метка получается порогом. Стандартный порог — 0.5, но вы можете подобрать его честно по кросс-валидации на train.

Как устроена оценка

• Public-лидерборд (1000 учителей из теста): виден сразу после каждой отправки. Ориентир для проверки идей.
• Private-лидерборд (другие 1000 учителей): скрыт до конца контеста. Итоговые места определяются только по private!

Не подгоняйте решение под public-скор сотнями попыток — на private это накажет. Доверяйте кросс-валидации на train.

Правила

1. Не более 5 сабмитов в день на участника.
2. Запрещено использовать внешние данные об этих учителях (их просто не существует).
3. Разрешены любые библиотеки и любой fair ML: фичи, ансамбли, подбор порога.
4. Работаем честно: ручная разметка теста по id и мультиаккаунты запрещены.

Старт

Возьмите baseline.ipynb из раздела «Код» — логистическая регрессия с кросс-валидацией. Его качество (public F1 ≈ 0.67) — нижняя планка. Ваша цель — побить его!

Идеи для размышления

• Какие комбинации признаков «толкают» к уходу? (Молодой + недоплачивают? Перегрузка + жалобы?)
• Линейные модели или деревья? Какие ступенчатые эффекты можно поймать?
• Порог 0.5 не оптимален почти никогда: как выбрать его честно, не глядя на тест?

Удачи!