Привет, Codeforces!
Мы открываем регистрацию на ML-соревнование от Райффайзенбанка, которое стартанет с 17 мая. Призовой фонд чемпионата — 700 000 рублей. Раунд нерейтинговый.
Все условия соревнования были разработаны командой электронной торговли Райффайзенбанка совместно с командой Codeforces. Большое спасибо geranazavr555 за тестирование и отличные советы, а также MikeMirzayanov за систему Codeforces.
Участникам будет предложено построить предсказательную модель на основе предоставленных исторических данных.
Денежные призы будут разыграны среди резидентов РФ (мы ожидаем от победителей описание их решений на русском языке).
Призы для победителей:
- 1-4 место — по 100 000 рублей
- 5-10 место — по 50 000 рублей
- 1-60 место — по комплекту мерча
Регистрация продлится до конца раунда. Чтобы принять участие, заполните форму при регистрации на раунд.
UPD1: Соревнование продлено до 31 мая, 19:00 МСК!
UPD2: Чтобы вам было проще решать задание, воспользуйтесь baseline решением.
UPD3: Открыты результаты соревнования. Данные, на которых происходило системное тестирование вы можете скачать по ссылке http://assets.codeforces.com/rounds/1522/8f2fa64f1730ae12dc37504765d7e012e16613f0/tests2.csv
UPD4: Итоговые результаты будут опубликованы в ближайшую неделю! Готовы? :)
UPD5: Результаты финализированы и мы поздравляем победителей:
Ура! И напоминаем всем в топ 60, что в ближайшие дни мы отправим вам сообщение с информацией для доставки подарков :)
Интересно, а когда выложат пост.
Примерно сейчас)
Is this Only for russian?
No, for all
It's for tourist))
Hi, Currently I am not looking for any job opportunities. Could you please add "None" under "Are you looking for internships or full-time positions?*". I am just participating for fun. Also, what should I provide under Telegram or another messenger ?
I'm assuming this is unrated, right? (since it seems to be an ML contest rather than an algorithmic contest). It doesn't mention in the description.
Is this contest supposed to be a normal cf contest (with algorithmic problems) or is this something else ?
It is mentioned above that
So, it is not a normal CF contest.
is it rated ?
Nice profile,
Your profile is showing your hard work
yours too.
thanks
yours too
it should not be, since it is for 6 hrs.
Look again , it's for 6 days. Getting ML problem solved in 6 hrs will be very very challenging as only training the model takes upto 3-4 hrs unless you have supercomputer.
Any similar contest from Past, so that we can practice ?
You can refer to the last two problems in Quora Programming Contest this year
https://mirror.codeforces.com/blog/entry/86539
The server is long offline, and the test cases are not published. I wrote some explanations for the ML problems in the Codeforces thread.
Where can we find the contest rules please x) ?
I haven't ever tried writing ML algorithms but I do want to learn. Can someone please provide with some problems which are supposed to be solved with ML algorithms?
you can explore kaggle for ML related stuffs. It's like CF for ML. There are regular competitions on kaggle and it also have some good learning resources.
I hope to work remotely at Raiffeisen bank.
What is the round format?
1. Is it a dynamic evaluation or is it a submission-upload format?
2. If dynamic, please share resource and library availabilities. (GPU/CPU specs, max-memory, library availabilities, info if custom libs can be uploaded, internet access)
MikeMirzayanov, а где описана политика по обработке пд? А то просят согласиться, а не ясно с чем.
Я согласен передать данные компании «Райффайзенбанк»*
Вообще — ссылка в футере. Но здесь чуток о другом — этот пункт имеет отношения исключительно к этой форме участника. То есть речь про данные, что были введены именно в этой форме.
Это я понял, что данный пункт относится к приведенной форме. Интересовали последствия этого соглашения, которые обычно и описываются в политике по ПД (в данном случае Райффайзенбанка). Не хочется, ради участия в конкурсе и получения опыта получать тонны спама с кредитными предложениями, сливы 3м лицам и тп.
Мы будем использовать данные из этой анкеты только для того, чтобы рассказать вам о возможностях стажировок и работы в Райфе, а также о наших предстоящих соревнованиях :)
А почему нельзя зарегистрироваться на контест не заполняя эту форму?
Мои ФИО, почта, университет и город доступны в публичном доступе в моём аккаунте здесь и я не вижу никакого смысла заполнять эту форму
Так же я совершенно не заинтересован ни в стажировках, ни в работе (пункт "Вам интересна работа фулл-тайм или парт-тайм?*" сейчас подразумевает только три ответа $$$-$$$ работа, стажировка, работа или стажировка), а о предстоящих соревнованиях я могу и хочу узнавать только из блога на codeforces
Мы не получаем пользовательские данные из профилей -- будем хранить и обрабатывать только ту информацию, которой вы с нами в явном виде поделились.
Тем не менее, это соревнование для нас -- возможность познакомиться с участниками и рассказать о себе, поэтому форма регистрации для этого раунда обязательна :)
Хорошо, я вас понял. Но вопрос про пункт со стажировкой остался — я не против поделиться с вами общедоступной информацией, но совершенно не хочу получать что-то от вас (и вообще от любой другой компании). Конечно, я могу заполнить форму бутафорскими контактами, но кажется лучше сделать форму настраиваемой и разрешить заполнять контакты только после галочки "мне интересны вакансии или стажировки", которая сейчас не имеет ответа "нет"
Is it rated?
No
anyone here?
No.
How to determine the winner of the football match ? Do we have to check other parameters if the total number of final goals of both teams are same ? Or we can say that it is a draw.
We can say that it is a draw.
The interactive part is not clear to me. Why in the output there are 2 blank lines before each bet? I need more clarification on this point: After every response, your program should print a line feed and flush the output buffer. Is the "every response" mean every bet? I do not want to spend 2 — 3 days on this problem only to find out my solution "hung" in the system test.
Это нормально, что поле "Time" всегда пусто? Честно говоря, я понимаю что это сделано для того, чтобы никто не смог найти датасет, но все-же мне кажется, что год когда был сыгран матч это достаточно важный параметр, чтобы его указать.. Гарантируется ли хотя бы, что матчи в тренировочном датасете заданы в хронологическом порядке? Я нигде не нашел ответ на этот вопрос.. Гарантируется ли, что все матчи, которые будут в инпуте, идут после матчей, которые были в тренировочном датасете? raiffeisen можете пожалуйста ответить?
Да, все матчи с тренировочном датасете приведены в хронологическом порядке.
Все матчи, которые вы получите в инпуте от интерактора, произошли после матчей тренировочного датасета
Ещё напрашивается вопрос: мачти в инпуте тоже идут в хронологическом порядке?
UDP: Матчи подаются в хронологическом порядке (это в условии написано).
Has anyone figured out what "Wrong answer on test 1" is supposed to mean here, instead of like a bad negative score?
Hey, I also got the "Wrong Answer on Test 1". What files did you put in zip apart from main.py and train.csv?
Apparently, I was missing some header files. Make sure to keep main.py at the root level of your zip file. Other than main.py I have two other files — the model and a helper dictionary
Don't you have train.csv in your zip file? Can you write names of all the files with their extensions in your zip file?
I am mainly using my pretrained model for predictions so I dont require a train.csv in the zip file
If I am trying to include numpy, pandas or scikit learn, it is giving runtime error. Is there any workaround for it?
Runtime = non-zero exit code or exception has been raised.
I found that each match has a fixed answer with the highest score, which is one of "HOME", "DRAW", and "AWAY". And the score of output "SKIP" is 0. Then for each match, as long as you try 3 times, you can know which output has the highest score. When trying the i-th match, all outputs in other matches will output "SKIP". In this way, the highest score of the i-th match can be tested. So we can get the highest score through n*3 submissions, am I right?
I think that, but then you will try to submit 25,500 submission which is a hilarious number XD
Also, these are preliminary tests and the real tests will be after the contest, and if you did that it will pass the preliminary tests but will fail after that.
I get it.
Anyone tried submitting with Python3 Lib +Zip files? What files did your zip file contain? 1) main.py 2) train.csv
.....??
The only requirement is to have a main.py file at the archive's root.
Поясните за этот пункт. Это значит, что текущее решение должно отработать за 15-20 секунд макс?
Это не обязательное условие, а рекомендация, чтобы не получить TL на системных тестах
@geranazavr555 Do we have to submit the training code also?
No, but after contest jury may ask you to provide your training code.
Не могли бы вы временно не ругаться "Вы уже отсылали такое же решение", а вместо этого просто предупреждать?
Почему?
Why after predicting the result of each match we are getting the post-match characteristics as input...I mean it's of no use..
It is of use as you can use that data for improving future predictions.
well, IRL the statistics is useful to understand whom to blame — judges, players, or coaches
Seems that contest has been extended for one week
How to resolve the issue Can not find 'main.py'?
Put your main.py in the archive's root
How to do that? Is there any resource you can refer?
https://mirror.codeforces.com/problemset/submission/1/116577356
Какое именно количество последних успешных попыток пойдёт в финальный зачёт?
1
Is there some problem with reading match stats after SKIP? I get more points when I don't read match stats after skip rather than when I read itIs merch packages for anyone in top places?
Is the training dataset also given in chronological order?
Yes
Деньги разыгрываются среди лучших 10 россиян или среди россиян, попавших в топ-10?
не очень понял, а в самой программе main.py должен быть реализован только вывод прогноза (тип Home, Away) после ввода данных, или же еще надо самому реализовать подсчет своих баллов в зависимости от коэфа на ставку?
Свои баллы можешь не считать
"Cash prizes will be contested only among Russian residents (we expect winning participants to provide descriptions of their solutions in Russian)."
Does this does hold for merch packages as well?
It seems that the test data in the system has absolutely different nature in compare with training data. The one reason to think so is the following. If training data is splitted somehow into training and validation data, then local score estimation on that validation dataset does not correlate with the score in the test system (e.g. local score $$$\approx 100$$$, test score $$$-150$$$, local score $$$20$$$, test score $$$350$$$, wtf). And this is happening regardless of the split method (I tried a lot of them, but, unfortunately, did not find a good one for comfort local testing and solution estimation(it is really important, for instance, for hyperparameters search)). Usually, in many famous ML contests (e.g. Kaggle), it is solved in the following way: all contestants can choose 2 different solutions and the final score will be the maximum of chosen solutions scores. Why it is impossible in this contest?
A bad workman quarrels with his tools
Gl with the random shuffled Final leaderboard...
While I agree there might be a random shuffle, you are complaining about footballers playing inconsistently and blaming the dataset for not meeting your model.
I am not. That is the usual situation with the real data. And there are enormous number of olympiads with the same situation. I said that in order to prevent a large difference in public and private leaderboard and to find the most effective solutions among participants it might be usefull to add opportunity to estimate the final solution as the max of two bests. And you are trying to say that is not important using not appropriate jokes. If organizers main purpose is to find a good solution then it would be helpful.
Oh sorry. I thought you are complaining.
bruh
geranazavr555 пните, пожалуйста, коллег из raiffeisen, чтобы они на все вопросы ответили
raiffeisen Please, add the way to participate out of contest. I want to train my ML skills, but I study at school, not at university so I can't fill the registration form.
Здраствуйте, raiffeisen, интересует следующий вопрос: публичные тесты будут входить в приватные или же нет?
не должны
Нет
Can we put .mat file in zip file which we are submitting?
You can put any files in zip.
Less than 19 hours left until the end of the contest. After the end of the contest, system testing will be launched using the new dataset. Make sure that the last submission is your final solution, it will be used in the final standings.
Now, when the contest is over, i can announce that the teams 280-281 are Man City and Man United (tho my solution doesn't use this fact)
Из-за чего может быть WA1? Я вроде нормальные строки вывожу. Писал не на пайтоне.
Например в этом решении 118003272 функция solve строго возвращает число от 0 до 3, которое используются как индекс варианта ответа "HOME", "DRAW", "AWAY", "SKIP". Не понятно, где там можно было ошибиться. Но получило WA1, а потом вообще ни одно решение в финальное тестирование не попало. Вероятность, что я всегда отвечал SKIP или получил ровно 0 очков крайне мала.
Когда разлочат финальную таблицу?
Похоже, что системные тесты очень сильно отличаются от тестов во время соревнования, потому что участник мог иметь 800 баллов в таблице, а на системных тестах получить -200.
Видимо он подгонял решение конкретно под эти тесты
А если посмотреть на ITIS_Thanhhuyen11, например? 800 с первой посылки превратились в 150. Здесь подгона уж точно быть не могло.
Тот же подгон (переобучение?), который на других данных дает близкий к рандому результат.
Я с ML почти никак не знаком. Это лишь гипотеза
Есть предположение, что матчи финального датасета идут после матчей того, что использовался во время контеста, что уменьшило бы корреляцию между тренировочными данными и реальным положением вещей.
Заметил, что чем матч более предсказуем, тем меньше за него дают очков и результат при ставке на матчи с высокой предсказуемостью стабильно плавает около нуля. Но чем больше ставок на непредсказуемые матчи, тем больше возможные отклонения, как в плюс так и в минус)
Не однозначное чувство какое-то от конкурса. На валидационной выборке стабильно получал 200-300 проинтов, однако на тестовой выборке диапазон был в районе -300 до 40, причём чем более жирная модель, больше входных параметров и выше валидационный скор тем меньше очков в конечном итоге я получал на тестовых данных. По итогу была отправлена максимально не обученная модель ещё и с багом, которая к моему удивлению ещё и не 0 набрала. Вообще не ясно как действовать в данной ситуации. Ребята, не пытайтесь ограбить буков, они сами вас ограбят.
Во всех тестах комиссия букмекера 1% (считал как 1/home + 1/draw + 1/away = 1.01). В реальном же мире комиссии букмекеров выше в 5-10 раз. Т.е. тут задача намеренно облегчалась...
What happen to the standings, they are changed completely. Its more of like the admin reversed the leaderboard. Never seen such a big difference in the public and private lb. Even Kaggle leaderboards doesnt change quite like this.
This leaderboard permutation is common thing for such competitions, it always happen when train and test data have different distributions, meaning the better model you have (fitting train data) the worse it will perform on test set, so the only way to get public test points is overfitting leaderboard, meaning you will have huge gap on private data.
I agree what you said but I have taken part in alot of different ml contest and never seen such a huge difference. My public lb was 280 and private was -30 something and I dont think so it was overfitting keeping in mind that the top scorer got 800+ score.
It is possible to get huge score with an algorithm like that: take some team and make 3 submissions predicting all wins for that team, all ties and all loses, take best predictions, do that for another team, repeat until you got score that you want, but taking in considiration that top scoring (800) competitors from china made just 3 submission, i thought they have some cool solution too.
I guess the train-test sets were completely different but in this case there is no point of the training data because machine can't predict the sets correctly which are completely different from training set and hence the large difference
Yes, but it still possible to train just on those n <= 8500 samples from test inside main.py without using training data (i was doing that), or use train data with little weight and data that you get from test with bigger weight, but still the main problem here that we cant say anything how good our solution is because both 3 sets (train, public test, private test) have different distruibutions, even selecting the solution that you will send is like a casino.
"Cash prizes will be contested only among Russian residents (we expect winning participants to provide descriptions of their solutions in Russian)."
Does this does hold for merch packages as well?
I would like to thank RF for an interesting 2 weeks of competition! This is my first ML competition. During the competition, I had doubts about the ML capabilities to solve this problem, possibly related to my lack of knowledge.
It would be very useful if someone who is a closely associated with ML shared their experience. Did you consider this task as classification or regression problem or something else? Which model was most preferable for you? What features were the most significant? What tricks did you use? What metrics did you have on the test data?
As for me, I tried to solve it as a classification problem and tested various "out of the box" classifiers: xgboost, catboost, keras fully connected neural network (very slow for one sample prediction and would hardly fit into TL), some stacking of them etc. There were features series from different team indicators for the last n matches. The series were updated as the matches progressed. The most significant feature turned out to be the Elo rating.
I am stuck on the following: With some train-test splitting, for example, in the proportion of 32000:8000, the models with some tuning gained +100, +200 (and even +600 points). The accuracy on the validation data was 0.5-0.6, which is of course better than random walk since 3 classes. But at the same time, with different splitting (for example 28000:5000), the same models gained -100, -200 points with 0.5 accuracy. It is clear that this models is not suitable for a successful predictions due to large fluctuations. I have tried to improve this by selecting various combinations of features, but it didn’t work. Also I have tried to predict only home team win — validation data accuracy has increased to 0.7, possible income has naturally decreased, but the worst thing is that fluctuations remain at -50/+50.
The one way I found is to increase accuracy by skipping low probability model answers. Thus, for 8000 matches, it is possible to answer the 300 most predictable matches with accuracy about 0.9.
The problem is that the probable outcomes of these matches have very low odds, such low that the losses on 10% failed predictions balance the income with the 90% guessed ones.
I think, models learns the features that are already "included" in the bookmaker's odds (may be these features are so good for separation because they are "right" in some way?) And the way is to find the features that the bookmakers are not accounted for (overestimated outcomes). I think it is very difficult (impossible) to find such features, or not?
Can the scores gained with using these good features outperform the lucky fluctuations of nominal "xgboost" with an 0.5 accuracy and -N/+N points?
In any case, this is all a newbie reasoning and it would be very interesting to see experts solutions.
geranazavr555
I was in one of the top 30-th at this contest and I'm not Russian.
Can I receive non-cash prizes? If possible, do I have to explain my solution?
raiffeisen, I have also same doubts, please clear it.
Алгоритм того, как можно занять 11 место (среди призовых):
1. Давайте всегда ставить на наименее вероятный исход.
Конец алгоритма.
Мотивация: букмекеры, насколько мне известно, могут занижать коэффициенты на фаворитов. Обычно это не несет для них рисков, так как комиссия примерно 10 процентов. Здесь комиссия 1%.
Не исключено, что это все равно "рандомный" результат, но решил им поделиться.