{
  "fetched_at": "2026-10-20T07:23:44Z",
  "source_url": "https://www.kaggle.com/competitions/aprendizaje-automtico-intermedio-2021/data",
  "pages": [
    {
      "name": "data-description",
      "content": "<h2>El conjunto de datos</h2>\n<p>\nEn este desafío tenéis que resolver un problema de clasifiación multietiqueta para la clasificación automática de pacientes con COVID a partir de 34 variables médicas asociadas a cada paciente.\n\n<h2>Ficheros disponibles</h2>\n- <strong>train_set.csv</strong> - el conjunto de entrenamiento. Tenga en cuena que entre las primeras columnas están las variables objetivo ('COVID', 'regular_ward','semi_intensive_unit', 'intensive_care_unit')  <br>\n- <strong>test_set.csv</strong> - el conjunto de test, donde solo estan las 334 columnas caracterizando a cada paciente. Tenéis que enviar una predicción de target (para las 4 variables de salida) para cada fila de este fichero<br>\n- <strong>dumb_submission.csv</strong> - un ejemplo de fichero de envío en el formato correcto<br>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "Bienvenidos al desafío de para los alumnos del curso en  Aprendizaje Automático Intermedio. El desafío se abre el 30 de noviembre de 2021 y termina el 31 de enero de 2022. Trabajaréis en los grupos de clase y podréis hacer hasta 10 envíos al día.\n\nEl nombre del equipo será Grupo_G donde \"G\" es el grupo de tutoría de los participantes.\n\nEl problema a resolver consiste en un problema multietiqueta para la clasificación de pacientes con COVID a partir de 34 variables médicas asociadas a cada paciente. En concreto, hay cuatro categorías de salida: la primera indicando si el paciente tiene COVID o no, y las otras tres indicnado el nivel de cuidados que ha necesitado vigilancia normal (regular\\_ward), cuidados intensivos medios (semi\\_intensive\\_care) o cuidados intensivos completos (intensive\\_care). \n\nSi analiza los datos, podrá darse cuenta que las tres categorías indicando el nivel de cuidados necesarios son excluyentes entre sí, mientras que la primera (si tiene COVID o no) puede estar a uno o cero independientemente del valor de las otras. Además, se dará cuenta que es un problema altamente desbalanceado y donde alguna de las variables de entrada se ha perdido.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "<p>La métrica que vamos a usar para evaluar vuestros clasificadores es  <strong>AUC promedio</strong>. Por ello, aunque sea un problema de clasificación, los valores a predecir pueden darse como la salida suave del clasificador o como el valor de probabilidad asociado a lo seguros que estemos de que la categoría es uno.\n\n</p><h2>Formato de los envíos</h2>\n<p>Cada fichero enviado debería tener <strong>predicciones de targets  para cada observación del conjunto de test</strong>. Los ficheros enviados deberán tener cinco columnas: índice de la observación y 4 columnas adicionales con las predicciones por categoría.</p>\n<p>El fichero tiene que llevar cabecera, y seguir este formato:</p>\n<pre>Id,COVID, regular_ward, semi_intensive_care, intensive_care<br>0, 0.8, 0.2, 0.3, 0.7<br>1, 0.2, 0.2., 0.1, 0.1<br>2, 0.5, 0.2, 0.2, 0.75 <br>3, 0.5, 0.2., 0.8, 0.6<br></pre>\n\n<p>En este ejemplo para la observación con Id 0 se indica que se tiene una probabilidad de 0.8 que tenga COVID, de 0.2 que esté en regular_ward, de 0.3 que esté en semi_intensive_care y de 0.7 en  intensive_care. </p>\n\n<p>Para la evaluación final del reto procederemos del siguiente modo:\n* Un valor de AUC de 0.5 equivaldrá a 0 puntos.\n* El AUC (en el leaderboard privado) del equipo ganador serán 10 puntos.\n* Para el resto de equipos se calculará su nota en función del AUC obtenido con una regla de tres entre estos dos valores de AUC.\n</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": " *  ¡No hagas trampas!\n *  ¡Aprende!\n *  ¡Diviértete!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}