Классификатор классификаторов

Легенда

В офисе Яндекса решили автоматизировать вообще всё и обучили 125 CatBoost-моделей для пяти продуктовых команд: Поиска, Такси, Лавки, Музыки и той самой команды без названия, в календарь которой вас почему-то не пускают. Каждая модель получила таблицу с 12 числовыми признаками и научилась отвечать только «да» или «нет»: относится ли строка к данным её команды.

В пятницу вечером стажёр решил «немного почистить прод», и файл models_final_v7_REAL_final.xlsx исчез вместе с подписями моделей. На старом скриншоте из рабочего чата удалось разобрать специализации лишь 25 моделей — по пять на каждую команду. Остальные 100 по-прежнему уверенно что-то предсказывают, но никто уже не помнит, что именно. В понедельник демо генеральному, поэтому восстановить распределение моделей поручили вам. Стажёра тем временем повысили.

Задача

Определите, к какому из пяти классов относится каждая неизвестная бинарная CatBoost-модель. Исходные обучающие таблицы не выдаются. Модели разрешено загружать, исследовать и запускать на самостоятельно сгенерированных строках.

Каждая модель принимает 12 числовых признаков x00–x11. Положительный ответ можно получить через model.predict_proba(X)[:, 1]. Используйте конечные вещественные значения; рекомендуемый безопасный диапазон — от -8 до 8.

Файлы

• data/train_models.csv — 25 размеченных моделей с колонкой target_class;
• data/test_models.csv — 100 моделей, классы которых нужно предсказать;
• models/train/*.cbm и models/test/*.cbm — бинарные CatBoost-модели;
• data/schema.json — схема входных признаков;
• data/sample_submission.csv — пример посылки;
• baseline.py и baseline.ipynb — стартовое решение по структуре моделей;
• competition.py — вспомогательные функции загрузки моделей и записи посылки.

Формат посылки

Отправьте CSV с двумя колонками:

id,class
0,3
1,0
2,4

id должен совпадать с id из data/test_models.csv, а class быть целым числом от 0 до 4. Метрика — macro-усреднённый F1 по пяти классам. Использование внешних данных не требуется.