このデータセットには、[NIPS 2017敵対的学習コンペティション](https://www.kaggle.com/nips-2017-adversarial-learning-competition)の最初の開発ラウンドに関する実行時間統計とスコアの詳細が含まれています。 ## 内容 中間結果の行列 以下の中間結果の行列が提供されています。 * **accuracy_matrix.csv** - 攻撃（ターゲット攻撃と非ターゲット攻撃）と防御の各ペアに対する正しく分類された画像の数の行列 * **error_matrix.csv** - 攻撃（ターゲット攻撃と非ターゲット攻撃）と防御の各ペアに対する誤分類された画像の数の行列 * **hit_target_class_matrix.csv** - 攻撃（ターゲット攻撃と非ターゲット攻撃）と防御の各ペアに対する画像が特定のターゲットクラスとして分類された回数の行列 これらの行列のそれぞれで、行は防御に対応し、列は攻撃に対応します。また、最初の行と列はKaggleチームID（またはベースラインID）のヘッダーです。 提出物のスコアと実行時間統計 以下のファイルには、提出物のスコアと実行時間の統計が含まれています。 * **non_targeted_attack_results.csv** - すべての非ターゲット攻撃のスコアと実行時間統計 * **targeted_attack_results.csv** - すべてのターゲット攻撃のスコアと実行時間統計 * **defense_results.csv** - すべての防御のスコアと実行時間統計 これらのファイルの各行は1つの提出物に対応します。列は以下の意味を持ちます。 * KaggleTeamId - KaggleチームIDまたはベースラインのID。 * TeamName - 人間が読めるチーム名 * Score - 提出物の生のスコア * NormalizedScore - 正規化された（0から1の間になるように）提出物のスコア * MinEvalTime - 100枚の画像の最小評価時間 * MaxEvalTime - 100枚の画像の最大評価時間 * MedianEvalTime - 100枚の画像の中央評価時間 * MeanEvalTime - 100枚の画像の平均評価時間 ## データに関する注意事項 * チームの統合により、これらのファイルにはリーダーボードに反映されているよりもわずかに多くの提出物が含まれています。 * また、すべての攻撃が防御のスコアを計算するために使用されているわけではなく、すべての防御が攻撃のスコアを計算するために使用されているわけでもありません。したがって、対応する行列の行/列の値を単純に合計しても、提出物の正確なスコアは得られません（ただし、得られる数値は実際のスコアに非常に近くなります）。