Oi Pessoal,
Nesse problema, utilizaremos o kaggle para avaliar os modelos de vocês.
O problema é o seguinte. Dado o término de um período específico e um aluno específico, eu quero poder prever se esse aluno continuará ou não no curso. Trata-se então de um problema de classificação binária. O período que escolhemos é o primeiro, então queremos poder ser capazes de prever quem evadirá logo após o término do primeiro período.
O que usar como atributos? It's up to you. Como eu disse, os dados que estamos passando são brutos, sendo então papel de vocês extrair os atributos que vocês acham mais informativos para o problema de evasão.
Nós guardamos o período de 2014.1 conosco para testar quão bom (utilizando F-score) é o modelo de vocês. Então, para construir e testar o modelo (antes de submeter o modelo final), vocês terão que trabalhar com partições treino/teste em cima dos dados que passamos.
Atenção! Nesse round, vocês irão prever os alunos 2014.1 com período relativo 5.
Vocês utilizarão dados do histórico de vários alunos para construir um modelo de classificação que nos diga se o aluno irá evadir (1) ou não (0). Para tanto, disponibilizamos uma base com atributos dos alunos e a informação (coluna COD_EVASAO) da situação do aluno. Essas dados estão no arquivo training.csv.
Também disponibilizamos um arquivo de teste (test_second_round_kaggle.csv). Esse arquivo tem praticamente o mesmo formato do training.csv. A única diferença é que removemos a última coluna (COD_EVASAO) para que vocês não tenham, obviamente, acesso ao resultado. É com esse arquivo que o Kaggle irá testar a saída do modelo de vocês.
Assim que você submeter via kaggle, já irá receber a resposta. O kaggle também mantém um ranking das submissões. Vocês pode submeter quantas vezes quiserem para aumentar a pontuação.
Formato da submissão
Vocês irão submeter apenas um arquivo por vez. Esse arquivo deve ter apenas DUAS colunas: ID e EVASAO. Notem que esse ID não é a matrícula do usuário, mas ID da observação.
Por favor, vejam o arquivo sample_submission_second_round.csv para checar o formato do arquivo que vocês devem submeter.