Твоя задача — по информации о расходах клиента банка предсказать, в какую из возрастных групп он попадает. Даны обучающие данные (train) для построения признаков и обучения моделей, и тестовые данные (test) для проверки алгоритмов. Это специальным образом подготовленная и анонимизированная информация, на которой можно обучать модели, сохраняя полную безопасность реальных данных клиентов. Решением задачи являются предсказания алгоритмов на тестовых данных.
Для решения задачи участникам была предоставлена информация о транзакциях клиентов банка, объемом около 27 000 000 миллионов записей.
Каждая запись описывает одну банковскую транзакцию. Для каждого из ≈20 000 тестовых id, участникам было нужно с помощью обученной модели предсказать, в какую из возрастных групп попадает клиент.
Были подготовлены два набора данных:
Для каждого примера из тестового набора было необходимо предсказать возрастную группу, к которой относится клиент. В систему предоставлялся для проверки CSV-файл с предсказаниями, он должен был содержать две колонки:
Задача представляет из себя мультиклассовую классификацию (4 класса – от 0 до 3). Качество решения считается как доля верно угаданных меток возраста по всем тестовым примерам –accuracy.
Для решения удобнее всего использовать язык программирования Python, так как для него есть большое число библиотек для анализа данных: NumPy, Pandas, SciKit-Learn и другие. В качестве инструмента разработки – интерактивную среду Jupyter.
Участникам также был доступен базовый пример решения от организаторов в виде Jupyter-notebook’а.