Почти kernel trick

baseline лежит во вкладке "Код"

Условия задачи

Некогда Ярослав сидел на галечном побережье Пафоса и решал задачу бинарной классификации. Недавно он узнал про kernel trick и предположил, что для решения задачи надо применить именно его. Но что-то пошло не так, и он вместо этого применил только функцию, изменяющую пространство фич, а исходные данные удалил. Оказалось, что та функция, которую он применил, слишком опиралась на трейн и имела плохую способность к обобщению. Более того, когда Ярослав хотел вернуть исходные данные из мусорной корзины, его ноутбук потух из-за загруженности процессора вайбкодом нескольких проектов одновременно. А по включению ноутбука корзина была пуста, и даже из трансформированных данных стерлось значительное количество чисел. Ярославу нужно заслать лучший сабмит в соревновании, помогите ему.

Более формально

Изначально каждый объект описывался вектором из 20 чисел. Исходные векторы утрачены. Для каждого объекта сохранилась часть измерений относительно 64 опорных объектов. По этим измерениям нужно предсказать вероятность принадлежности объекта к классу 1.

До появления пропусков измерение для объекта (i) и опорного объекта (j) вычислялось по формуле rbf ядра:

где (x_i) — скрытые стандартизованные координаты объекта, а (c_j) — координаты скрытого центра. Набор центров общий для всех файлов. Все 64 центра выбраны из объектов train.

Сабмит

Загрузите CSV со столбцами id и probability. Для каждого объекта из test.csv должна быть ровно одна строка. В probability укажите вероятность класса 1 — конечное число от 0 до 1.

Оценка

Основная метрика — ROC AUC, рассчитанная по вероятностям из сабмита. Тест разделён на public/private части с пропорциями 30/70.