{
  "fetched_at": "2026-10-20T00:34:48Z",
  "source_url": "https://www.kaggle.com/competitions/atividade-regressao-PMR3508/data",
  "pages": [
    {
      "name": "data-description",
      "content": "<p>Descrição dos arquivos</p>\n<LI>train.csv - O dataset de treino, contendo Ids, features e target , median_house_value</LI>\n<LI>train.csv - O dataset de treino, contendo Ids, features e target , median_house_value</LI>\n<LI>test.csv - As features de teste e suas Ids</LI>\n<LI>sample_sub_1.csv -Submissão exemplo</LI>\n<p>Data fields</p>\n<LI>Id - Id única de cada local</LI>\n<LI>latitude- latitude do local</LI>\n<LI>longitude- longitude do local</LI>\n<LI>median_age- mediana das idades das casas no local</LI>\n<LI>total_rooms - contagem do total de cômodos na região</LI>\n<LI>total_bedrooms - contagem do total de quartos na região</LI>\n<LI>population - população total na região</LI>\n<LI>households - número total de casas na região</LI>\n<LI>median_income- mediana da renda das pessoas na região</LI>\n<LI>median_house_value -mediana dos valores das casas da região - variável-alvo</LI>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "<h1>Introdução</h1>\n\nPrezado aluno de PMR3508,\n\nesta atividade lida com um problema de regressão.\n\n<h1>Objetivo</h1>\n\nNesta tarefa, você deve construir um modelo que prevê o preço mediano de uma casa em uma região da Califórnia. A descrição completa dos dados disponíveis pode ser encontrada na página \"Data\".\n\nO objetivo desta tarefa é que vocês testem modelos de regressão. A idéia é que vocês experimentem livremente com os algoritmos disponíveis na sklearn e os conheçam melhor, entendendo como funcionam seus hiper-parâmetros e entendendo um pouco sobre o tradeoff de viés e variância.\n\nPara algumas idéias de algoritmos de regressão a usar, recomenda-se dar uma olhada em: http://scikit-learn.org/stable/supervised_learning.html\n\n<h1>Avaliação</h1>\n\nAssim como nas demais atividades, SUA NOTA SERÁ DADA SOMENTE COM BASE NO KERNEL SUBMETIDO - estudantes que não submeterem seus kernels à competição terão suas notas zeradas, independentemente de quão bem tenham ido no Leaderboard. Lembramos também que é necessário que O KERNEL SEJA CLASSIFICADO COMO PÚBLICO a fim que o monitor consiga ter acesso a ele para corrigi-lo - casos de kernels publicados como privados e só depois da correção mudados para públicos sofrerão desconto na nota.\n\n<h1>Dicas extras</h1>\n\nExistem várias features complementares que podem ser criadas para auxiliar no processo regressão, como média de quartos por casa, média de pessoas por quarto entre outros. Além disso, são dadas as coordenadas geográficas de cada um dos locais. Pode-se criar alguma variável criativa com isso, como a distância do local até o mar ou a distância do local até um dos pólos do vale do Silício. Para os curiosos, a biblioteca geopy (https://github.com/geopy/geopy) pode ser muito útil nesta etapa.\n\n<h1>Agradecimento</h1>\n\nOs dados para esta competição foram obtidos em\nhttp://www.dcc.fc.up.pt/~ltorgo/Regression/DataSets.html\nAgradecemos ao Professor Luís Torgo por prepará-los.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "<h1>Métrica de Avaliação</h1>\nA métrica usada nesta competição é o mean squared log error (https://www.slideshare.net/KhorSoonHin/rmsle-cost-function)\n\nRMSLE = SQRT((1/n)*Sum((log(1+Y_hat)-log(Y + 1))^2)\n\nEsta métrica foi escolhida pois preços de casa podem variar muito - e neste caso estamos interessados em acertar as ordens de grandeza das variáveis - i.e. - errar 1000 reais no preço de uma casa de 5 milhões é muito bom, ao passo que errar 1000 reais numa casa de 20 mil é muito.\n\n<h1>Formato de Submissão</h1>\nO arquivo submetido deverá estar no seguinte formato:\n\nId, median_house_value\n1,100000",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "This is a page where you can include rules that participants must accept before joining. You may wish to include rules like:\n\n - Don't cheat!\n - Apply yourself!\n - Have fun!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}