{
  "fetched_at": "2026-10-19T21:25:01Z",
  "source_url": "https://www.kaggle.com/competitions/arbolado-publico-mendoza/data",
  "pages": [
    {
      "name": "rules",
      "content": "<h3>Una sola cuenta por participante</h3>\n<h3>Limite de los equipo :</h3>\n<p><strong>Máximo 2 participantes por equipo</strong></p>\n<h3>Limites en los envíos:</h3>\n<ul>\n<li>Se pueden enviar un maximo de 10 soluciones por dia.</li>\n<li>Se pueden seleccionar como máximo 2 de las mejores soluciones para su evaluación final</li>\n</ul>\n<h3>Duración de la Competición</h3>\n<p>Fecha de inicio: <b>10/10/2019 12:00 AM UTC</b></p>\n<p>Fecha de finalizacion: <strong>31/12/2020 12:00 AM UTC</strong></p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "data-description",
      "content": "<p>Los datos fueron generados a partir del Censo digital georeferenciado del arbolado público de la <strong>Ciudad de Mendoza,</strong> realizado en el año 2012. Mediante el mismo se permitió registrar de cada forestal una serie de datos que permiten definir su ubicación de un modo más preciso, actualizar la información en forma permanente y, sobre todo, planificar acciones futuras. El archivo original forma parte del del programa de<strong> Datos Abierto de la Ciudad de Mendoza</strong> </p>\n<p>Del archivo original se eliminaron los registros sin información y se agrego información relativa a los limites administrativos de la ciudad de Mendoza. Por ultimo se crea la clase <strong>inclinacion_peligrosa</strong> donde se indica si la inclinacion del arbol se encuentra bajo una situación de gravedad (o no).</p>\n<h2>Descripción de los Archivos</h2>\n<ul>\n<li><strong>arbolado-mza-dataset.csv</strong> - conjunto de datos para entrenamiento</li>\n<li><strong>arbolado-mza-dataset-test.csv</strong> - conjunto de datos para evaluacion</li>\n<li><strong>arbolado-mza-dataset-envio-ejemplo-rpart.csv</strong> - Ejemplo del formato para realizar envios usando arboles de decision rpart</li>\n<li><strong>arbolado-mza-dataset-descripcion.csv</strong> - Información extra sobre los datos.</li>\n</ul>\n<h2>Campos</h2>\n<ul>\n<li><strong>id - (</strong>integer) - Identificacion</li>\n<li><strong>especie- (string</strong>) - Especie del Forestal (arbol)</li>\n<li><strong>ultima_modificacion - (date</strong>) - Fecha de la ultima modificación del registro</li>\n<li><strong>altura - (string</strong>) - Altura del Forestal</li>\n<li><strong>circ_tronco_cm - (double</strong>) - Circunferencia del Tronco del Forestal</li>\n<li><strong>diametro_tronco - (string</strong>) - Diametro del Tronco del Forestal</li>\n<li><strong>long - (</strong>double) - Longitud (Posicion Geografica)</li>\n<li><strong>lat (</strong>double) - Latitud (Posicion Geografica)</li>\n<li><strong>seccion - (</strong>integer) - Numero de Seccion Administrativa a la que pertenece el Forestal</li>\n<li><strong>nombre_seccion - (</strong>character) - Nombre de la Seccion Administrativa</li>\n<li><strong>area_seccion</strong> - (double) - Area de la Seccion Administrativa, en Km2</li>\n<li><strong>inclinacion_peligrosa</strong> - (integer) - Clase: Inclinación grave</li>\n</ul>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "##Motivación\n\nEl siguiente desafío surge como propuesta dentro de la Cátedra de Aprendizaje de Maquinas(AM) de la Universidad Tecnológica Nacional Facultad Regional Mendoza, el laboratorio [DHARMA](dharma.frm.utn.edu.ar) y el [LABSIN](http://labsin.org) de la Universidad Nacional de Cuyo. \n\nLa actividad esta fundamentalmente orientada a los estudiantes de la materia optativa, sin embargo se invita a participar a todo aquel interesado.\n\n## ¿Se puede predecir el grado de peligrosidad de una árbol dado sus características?\nLa Secretaría de Ambiente y Desarrollo Sustentable de la Ciudad de Mendoza Argentina, destaca a la cultura del árbol tanto como patrimonio cultural y como un aliado indispensable del progreso y el desarrollo de la vida en la provincia de Mendoza. Sin embargo, todos sabemos del peligro que suponen los arboles durante las temporadas de fuertes tormentas y sobre todo la época de viento Zonda. El grado de inclinación de un árbol es un factor fundamental a tener en cuenta a la hora de prevenir los posibles\n\naccidentes ocasionados por los fenómenos meteorológicos severos a los que muchas veces esta sujeta la provincia de Mendoza.\n\n\nEl objetivo detras del presente desafio es el de predecir aquellos especimenes que tengan un grado de inclinación peligroso (i.e. mayor a 30 grados) a partir de sus caracteristcas biologicas e información geografica/administrativa. Para tal fin se cuenta con un conjunto de datos que contiene el censo georeferenciado del arbolado publico en la ciudad de Mendoza al año 2012. \n\n## Habilidades:\nSe espera que durante el desarrollo de esta actividad el participante aprenda a:\n\n1. Lidiar con conjuntos de datos reales\n2. Trabajar sobre conjuntos de datos con clases no balanceadas\n3. Aprender o reforzar nuevas metricas para evaluar los resultados obtenidos\n4. Aprender tecnicas de muestreo\n5. Experimentar con el ajuste fino de algoritmos de aprendizaje\n6. Proponer nuevas tecnicas/estrategias para mejorar los algoritmos\n7. Trabajar en Equipo\n## Agradecimientos\nGracias al programa [Open Data de la Ciudad de Mendoza,](http://datos.ciudaddemendoza.gov.ar/) Argentina",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "<p>Dado el alto nivel de desbalanceo de las clases, ara esta competencia vamos a usar la métrica conocida como&nbsp;<strong>ROC (Area Under de Curve)</strong>.</p>\n<h3>Sobre la metrica elegida:</h3>\n<h4>Lo importante:</h4>\n<ol>\n<li>Cuando tenemos clases altamente desbalanceadas, metricas como <strong style=\"font-size: 1em\">Accuracy</strong></li>\n<li>Deberian considerarse la cantidad de casos con inclinación peligrosa que fueron detectados correctamente y la cantidad de casos sin inclinación peligrosa que fueron INCORRECTAMENTE detectados como peligroso</li>\n<li>EL <strong style=\"color: #555555; font-size: 1em\">AUC ROC</strong></li>\n</ol>\n<h4><br>Una intuición detras de AUC ROC:</h4>\n<p><br>La metrica sobre la cual se evaluan los resultados se conoce como el <strong>AUC ROC</strong> (Area Under the Curve, Receiver Operating Characteristic). Esta métrica se calcula a partir de información sobre la taza de <strong>Positivos Verdaderos</strong> (El numero de arboles con inclinación peligrosa que fue detectado correctamente) y la de<strong> Falsos Positivos</strong> (el numero de arboles con inclinación normal que fue incorrectamente detectado con una inclinación peligrosa)<br> Positivos.</p>\n<p>La taza de positivos verdaderos (<strong>TPR)</strong> y la taza de Falsos positivos (<strong>FPR</strong>) se proyectan en un plano y luego se calcula el area bajo la curva (AUC) teniendo en cuenta el valores TPR y FPR del clasificador a evaluar <strong>(tpr,fpr)</strong> , y los puntos extremos<strong> (0,0)</strong> <strong>(1,1)</strong>.</p>\n<p>Donde<strong> (0,0)</strong> es el caso donde no hubo ningun Falso positivo, pero tampoco ningun Verdadero positivo.</p>\n<p>Por otro lado, (1,1) hace referencia al caso en donde se detectaron TODOS los casos positivos verdaderos, pero por otro lado, todos los casos negativos fueron tambien detectados incorrectamente como positivos. Es decir, el FPR y el TPR presentan ambos el valor 1.</p>\n<p>​<br>La figura de abajo, muestra el ejemplo de dos clasificadores en colores verde y rojo y su AUC. Como se puede ver el clasificador verde tiene un AUC mayor.</p>\n<p><img src=\"https://storage.googleapis.com/kaggle-media/competitions/inclass/6802/media/roc.svg.png\" alt=\"\" width=\"394\" height=\"321\" style=\"display: block; margin-left: auto; margin-right: auto\"></p>\n<p>​El mejor clasificador posible seria<strong> (1,0),</strong> es decir aquel que tenga un TPR=1 y FPR=0, y si se calcula el AUC para dicho clasificador su valor sera 1.</p>\n<p>Por otro lado, la recta diagonal&nbsp;azul representa los valores esperados de un clasificador aleatorio. Cualquier punto que caiga sobre la recta azul tendra un AUC = 0.5</p>\n<p>Los puntos por encima de la diagonal representan los buenos resultados de clasificación (mejor que el azar), puntos por debajo de la línea de los resultados pobres (peor que al azar).&nbsp;</p>\n<h2>Formato para el envío de soluciones:</h2>\n<p><b>Por cada Forestal/árbol&nbsp;en el conjunto de datos de evaluación,&nbsp;</b>los archivos debe contener dos columnas, ID y inclinación_peligrosa.&nbsp;</p>\n<p><b>El archivo debe contener una cabecera en el siguiente formato:</b></p>\n<pre>ID,inclinacion_peligrosa<br>1,si<br></pre>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Material Extra",
      "content": "Insert text here. Please use markdow<h3>Videos:</h3>\n<p><a href=\"https://www.youtube.com/watch?v=rNDwXp2OHp8\">¿Que es la Ciencia de Datos?</a>&nbsp;Duración (15min)</p>\n<p>Video que explica las herramientas y las tecnicas utilizadas en lo que se conoce como Ciencias de Datos</p>\n<p><a href=\"https://www.youtube.com/watch?v=2Zrk4H43J0k\">¿Cual es la Metodología de la Ciencia de Datos ?&nbsp;</a>Duración (10min)</p>\n<p>Video que detalla la metodología a seguir para aplicar las diferentes herramientas de la llamada Ciencia de Datos</p>\n<h4>Notebooks:</h4>\n<p><a href=\"http://rpubs.com/harpomaxx/am2017hackatoneviz\">Analisis exploratorio del conjunto de datos</a></p>\n<p><a href=\"http://rpubs.com/harpomaxx/am2017hackatonejemplo\">Como generar un envio para este desafio usando R</a></p>\n<h4>OPINIONES DE EXPERTOS EN ARBOLADO PUBLICO:</h4>\n<p><a href=\"https://www.youtube.com/watch?v=LfnnyFkFeq0\">Causas probables detrás de la inclinación de los Arboles</a>&nbsp;(Duración 5min)</p>\n<p>El Ing. Agr. Carlos C. Catania, nos explica las posibles causas de la inclinación de los arboles en Mendoza.&nbsp;</p>\n<p><a href=\"http://www.fcagr.unr.edu.ar/Extension/Agromensajes/23/9AM23.htm\">La Caida de los Arboles</a></p>\n<p>Articulo de la Revista Agromensajes de la Universidad Nacional de Rosario.</p>\n<p>Ing. Agr. Eduardo Pire. Investigador Adjunto CONICET.</p>\n<h4>Técnicas para lidiar con clases desbalanceadas</h4>\n<p><a href=\"https://svds.com/learning-imbalanced-classes/\">Learning from Imbalanced Data&nbsp;</a>&nbsp;Fawcett (articulo)</p>\n<p><a href=\"http://www.kdnuggets.com/2017/06/7-techniques-handle-imbalanced-data.html\">7 techniques for dealing with Imbalaced Data&nbsp;</a>&nbsp;(articulo) Ye Wu &amp; Rick Radewagen, IE Business School.</p>\n<h4>ROC Curve Analisys</h4>\n<p><a href=\"https://ccrma.stanford.edu/workshops/mir2009/references/ROCintro.pdf\">An introduction to ROC Curve Analisys &nbsp;</a>(article) Fawcett</p>\n<p><a href=\"https://youtu.be/ClnEsrpay2s\">Una intuición detras de la metrica ROC AUC</a>&nbsp;(video) 8min&nbsp;</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}