## 任务定义

对每一件商品，提供如下信息：

- 一张或多张商品图片（以图像文件形式给出）；
- 一段简短的文本信息（如商品标题、简要描述等）；

目标是预测该商品的类别标签，类别已事先离散化并以整数形式表示。

从建模角度看，本题是一个典型的 **多分类问题**，参赛者可以：

- 仅使用图像；
- 仅使用文本；
- 或将图像与文本进行特征融合。

---

## 数据文件（示意说明）

实际的字段命名和具体内容请以 Kaggle「Data」页面为准，这里给出一个典型结构示意，便于理解。

### 1. `train.csv`（训练集）

每行对应一个带标签的商品样本，可能包含如下列：

- `id`：商品唯一标识，可与图像文件名对应；
- `title` / `description`：商品标题或简要文本描述（可选字段，视数据集而定）；
- `categories`：商品类别标签，取值为 0–20 的整数。

### 2. `train_images/`（训练图像目录）

- 包含训练集中所有商品图片文件；
- 文件名通常与 `train.csv` 中的 `id` 字段对应（例如 `id.jpg` 或 `id.png`）。

### 3. `test.csv`（测试集）

- 结构与 `train.csv` 类似，但 **不包含** `categories` 标签列；
- 参赛者需对其中每一行样本给出类别预测。

### 4. `test_images/`（测试图像目录）

- 存放测试集对应的商品图片文件；
- 命名方式与训练集保持一致。

### 5. `sample_submission.csv`（示例提交文件）

说明提交文件的格式，例如：

```csv
id,categories
B00004TZR1,0
```

其中：

- `id`：与 `test.csv` 中的商品 id 一一对应；
- `categories`：模型预测的类别标签（整数 0–20）。



> **注**：本页面不对类别分布、图片尺寸、文本长度等进行统计分析，相关数据探索留给参赛者自行完成。