直接回答
MABe - Mouse Behavior Detection 适合神经科学、Bioinformatics、Machine Learning、Biology等专业。围绕距离、速度、角度等时序特征，可以形成关键点时序特征管道、XGBoost 与时序模型对照及可复查的实验记录。
比赛任务是什么？
输入是提取好的姿态关键点时序，结合实验室和视频元数据识别 30 多种社会与非社会行为。模型需处理关键点差异、稀疏标注和动作边界，而非直接对原始视频做目标检测。
输入
- Parquet 姿态关键点轨迹与 CSV 视频/实验室元数据
- 小鼠发起者、目标、动作类型和帧区间标注
输出
- 每段行为一行：视频、发起小鼠、目标小鼠、行为、起止帧
- 跨实验室验证、行为混淆与片段可视化
用一个例子理解项目
输入：两只小鼠关键点距离逐渐减小，随后鼻部位置接近。
输出：预测某只小鼠对另一只小鼠的行为类别及起止帧。
教学示例，具体行为以训练标注定义为准；相邻帧预测需要合并为动作片段。
评价指标与验证
MABe F Beta
官方 F-Score 变体评价行为检测，需使用官方实现处理有效标注和行为区间；越高越好，逐帧准确率不能替代。
固定数据划分、评估器版本和资源条件，记录基线与对照结果，并解释错误样本。
技术路线
- 解析
读取轨迹与标注
统一坐标、帧率及可用关键点。
- 基线
构造关系特征
用距离、速度与角度建立树模型。
- 验证
留出实验室
检查设备、标注和关键点差异。
- 时序
完善片段输出
比较时序模型及平滑、最短持续时间策略。
适合专业与项目难度
小鼠社会行为连接神经科学、计算生物学和生物医学研究；轨迹特征、时序识别与跨实验室验证对应机器学习和数据科学。
为什么评为进阶？
树模型可以起步，但完整项目需处理关键点与帧率差异、稀疏动作标注、跨实验室泛化及区间后处理。
等级说明：需要专业建模方法、可靠验证或多个工程环节，并完成可解释的对照实验。
建议具备的基础
- Python、pandas/Polars 与机器学习
- 时间序列特征与分组验证
可以从哪里开始
先以距离、速度和角度特征训练树模型，完成动作片段输出，再比较时序网络。
专业与难度由本站根据项目文档分析，面向基线复现与对照实验；具体门槛取决于承担的任务和项目深度。 这不是 Kaggle 官方评级。
可以形成的成果
- 关键点时序特征管道
- XGBoost 与时序模型对照
- 行为区间可视化
- 跨实验室泛化报告与 README
成果预览与验收方式
下面展示建议的成果结构，实际内容由本人运行、实验和整理后形成。
- 01读取数据与检查格式
- 02运行并记录基线
- 03完成一项对照实验
- 04整理 README、错误分析与贡献说明
本项目重点验收：每段行为一行：视频、发起小鼠、目标小鼠、行为、起止帧；跨实验室验证、行为混淆与片段可视化。
如何把公开方案变成自己的项目？
先注明来源与许可，再复现可运行基线，增加数据审计、方法对照和错误分析。README 应写清环境、数据、复现步骤、本人改动与局限；公开作者的分数和竞赛经历应单独归属。
- 如何验证距离、速度、角度等时序特征的实际效果？
- 如何验证跨实验室坐标与关键点差异的实际效果？
- 如何验证动作平滑、阈值与区间合并的实际效果？
留学、科研与求职如何使用？
留学申请
展示 AI 与神经科学的交叉研究兴趣。
考研 / 科研
研究跨实验室迁移、行为长尾和时序表示。
求职 / 作品集
展示非标准数据处理、特征工程与区间检测。
公开 Notebook、方案与讨论
以下入口来自项目文档中的公开资料，适合阅读和设计复现实验。
公开材料的运行环境、许可和作者结论请结合原页面复核。
- 指标实现 Notebook ↗
公开学习材料；运行条件和许可需复核，作者成绩不代表本站或用户成果。
- MABe EDA Tutorial ↗
公开学习材料；运行条件和许可需复核，作者成绩不代表本站或用户成果。
- MABe-Starter-Train(ja) ↗
公开学习材料；运行条件和许可需复核，作者成绩不代表本站或用户成果。
- 打开讨论 ↗
公开讨论中的方法与经验；作者自报结论需通过自己的实验验证。
- 打开讨论 ↗
公开讨论中的方法与经验；作者自报结论需通过自己的实验验证。
- 打开讨论 ↗
公开讨论中的方法与经验；作者自报结论需通过自己的实验验证。
常见问题
MABe - Mouse Behavior Detection 项目适合什么专业？
小鼠社会行为连接神经科学、计算生物学和生物医学研究；轨迹特征、时序识别与跨实验室验证对应机器学习和数据科学。
MABe - Mouse Behavior Detection 可以形成什么成果？
关键点时序特征管道、XGBoost 与时序模型对照、行为区间可视化、跨实验室泛化报告与 README；以本人实际运行、记录和能够解释的工作为准。
需要从原始视频训练检测器吗？
供稿的核心输入是已有姿态关键点轨迹。项目重点是行为时序与交互关系建模，不应描述成原始视频目标检测。
如何从公开方案形成自己的项目？
先标明代码与数据来源，实际运行基线，再完成一项可复查的对照实验、错误分析和个人贡献记录。公开作者的分数不能作为自己的成绩。
公开来源与个人贡献边界
文档记录的历史状态用于项目规划，非实时赛事信息。数据、代码、模型许可及单场 Rules 以官方最新页面为准。本人贡献需有运行与实验记录，公开方案和他人成绩保留原作者归属。
Kaggle 官方竞赛与任务说明 ↗ · 赛题、数据、评估与状态以官方页面为准。
单场比赛 Rules ↗ · 复用数据、代码与模型前检查许可和适用规则。
规划适合你的项目深度
结合目标、专业、已有基础和时间，确定基线、对照实验与成果表达的范围。