Introdução
Prezados Alunos,
Bem vindos à primeira etapa da primeira tarefa de PMR3508. Esta tarefa está dividada em duas etapas. A primeira consiste em participar desta competição fechada, em um ambiente seguro para que vocês se familiarizem com o Kaggle, com o Python e com suas ferramentas. A segunda parte, consiste em usar os dados da competição [Costa Rican Household Poverty Level Prediction](https://www.kaggle.com/c/costa-rican-household-poverty-prediction) e fazer um classificador, inserindo os resultados em um notebook.
Procedimento
O procedimento para execução desta tarefa é bem simples. Espera-se que cada aluno faça um notebook do Jupyter que contenha ao menos duas seções: Uma de exploração de dados, em que ele observa como são distribuídas as variáveis do dataset, quais valores elas assumem etc; a outra dedicada à avaliação do impacto da seleção de variáveis e feature engineering e seleção do parâmetro K, do algoritmo K-Nearest Neighbors(KNN), sobre a acurácia do seu classificador.
A submissão das suas previsões para o set de teste é opcional, mas encorajada.
ATENÇÃO: A nota deste exercício será dada com base no KERNEL SUBMETIDO. Caso o aluno submeta um resultado para a leaderboard, mas não forneça o kernel.
Instruções
Na tab "Data" vocês poderão encontrar os arquivos contendo os dados e suas respectivas descrições.
Após a execução de sua tarefa, salve seu notebook (em formato .ipynb) e clique na aba "Kernels". Lá, clique em "new kernel" e siga as instruções para submeter seu kernel na competição. Em seguida, proceda de igual forma para a segunda parte deste exercício.
Agradecimentos especiais ao Repositório UCI por ter providenciado este dataset ao domínio público.
Dicas
1) A documentação do pandas é muito útil!
2) O comando pd.describe() é muito útil para ter uma noção dos seus dados.
3) A biblioteca ScikitLearn possui vários tutoriais interessantes em seu site ( http://scikit-learn.org/stable/index.html ).
4) Lembrem-se de fazer validação cruzada de seus resultados!!!!