Правила · Предсказание колоректального рака по кишечному микробиому — StackMoreLayers
Дорешка
1 д 19 ч
Время на решение: 1 д 19 ч. Отсчёт ещё не начался.
Соревнования/Предсказание колоректального рака по кишечному микробиому
Предсказание колоректального рака по кишечному микробиому
Колоректальный рак - одна из самых смертельных онкологий, во многом из-за поздней диагностики. Состав микробиоты при нём меняется, а её анализ неинвазивен, поэтому болезнь можно выявлять раньше. Постройте модель, отличающую больных от здоровых. Чем выше ROC AUC, тем лучше.
Правила соревнования
Участие
Участие командное. Каждая команда сдаёт одно решение.
Состав команды и сроки его изменения указаны на странице соревнования.
Сдача решения
Решение сдаётся ноутбуком .ipynb и файлом с предсказаниями для test.csv. В ноутбуке находится и код, и описание выбранного подхода.
Единственное обязательное требование к коду. В конце ноутбука (в выводе последней ячейки) должна быть таблица из двух колонок: sample_id (все образцы из test.csv) и label (предсказанные значения 0 или 1). Именно эту таблицу вы загружаете как ответ.
Структура кода на ваше усмотрение. Функции split_data, fit_preprocessing, apply_preprocessing,
fit_feature_selection
,
apply_feature_selection
,
train_model
мы рекомендуем, но не требуем: с ними решение проще структурировать и воспроизвести.
В ноутбуке должны быть текстовые ячейки с:
литературой, на которую вы опирались;
описанием предобработки данных;
отбором признаков (был ли он и какой);
описанием того, как учтены ковариаты: выравнивание, регрессия, остатки, веса или никак, и почему;
если делили train.csv на train и validation: методом разбиения, числом case и control в каждой части и числом исключённых образцов (если исключали);
если считали validation: ROC AUC на вашем validation (4 знака).
Текст описания должен соответствовать коду.
Перед сдачей перезапустите ядро и выполните все ячейки сверху вниз: ноутбук должен отработать без ошибок и дать ту же итоговую таблицу при повторном запуске.
Данные и код
Нельзя использовать sample_id и другие идентификаторы как признаки.
Нельзя читать файлы за пределами переданных train.csv и test.csv: внешние базы, заранее сохранённые модели и веса. Библиотеки, которые скачивают данные или веса из интернета при запуске, тоже запрещены.
Модель обучается только на train.csv; test.csv используется только для получения предсказаний.
Нельзя пытаться узнать или восстановить правильные label для test.csv, в том числе через ИИ-сервисы.
Нельзя размечать test.csv вручную и подбирать ответы под него иначе, чем обучением модели на train.csv.
Делиться кодом и решениями с другими командами до конца соревнования нельзя.
Использование нейросетей
ИИ-инструменты можно использовать для поиска литературы, подготовки визуализаций и оформления слайдов.
Проверка и воспроизводимость
Организаторы запускают ваш ноутбук. Предсказания, полученные при их перезапуске, должны совпадать с загруженным вами файлом. Повторный запуск с тем же seed должен давать тот же результат.
Если в описании указан ROC AUC на вашем validation, он должен совпадать с расчётом организаторов (допуск 1e-3).
Код и описание должны соответствовать друг другу.
Защита
Доклад 10 минут, вопросы 3 минуты. Не больше 12 слайдов. Порядок слайдов должен соответствовать ходу вашего решения (шаги 0-8)