{
  "fetched_at": "2026-10-20T10:29:29Z",
  "source_url": "https://www.kaggle.com/competitions/advanced1-production/data",
  "pages": [
    {
      "name": "data-description",
      "content": "product_train은 학습에 사용할 데이터 / product_test는 분류 모델을 생성하여 해당 데이터의 예측값을 구하면 됩니다. \n예측값을 구한 뒤 product_submission 파일 label열에 기입해서 제출합니다. \n\n`raw_temp` : 초기 온도\n`main_temp` : 생산시 온도\n`raw_vol` : 초기에 나오는 양\n`main_vol` : 생산량\n`원재료품질` : 원재료의 품질\n`순도_label (target)` : 소주의 품질을 일정하게 유지하기 위해 도수를 기준으로 정상과 비정상 범주로 구분하여 나타냄\n                               (정상 - 0 / 비정상 - 1)\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "### 안동소주의 품질유지를 위한 모델링 \n\n소주의 품질은 일정한 도수를 유지해야합니다. 그렇게 하기위해 결과물(정제 공정을 마치고 난 뒤) 도수를 빈도수로 나누어 \n상위 25~75% 사이를 정상 범주로 만들고, 이 외를 비정상 범주로 두었습니다.  \n\n모든 데이터는 0~1사이 값이 되도록 변경해두었습니다. \n숫자가 잘못된 것이 아닌 일부로 정규화시켜둔 점 참고하시길 바랍니다.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "`Accuracy`로 평가됩니다. \n\n제출시에는 Submission.csv파일에 아래와 같이 입력해서 넣으시면 됩니다. \nindex / label의 데이터 type이 달라도 점수가 나오지 않을 수 있습니다. \n\nindex와 label type 모두 'string' / 'int' type이여야 합니다. \n```\nindex, label\n1,1\n```",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}