# [COPY] Hackatón UdeSA-ORT — Data

来源：https://www.kaggle.com/competitions/copy-hackaton-udesa-ort/data

采集时间：2026-10-20T03:02:35Z

## Archivos

*   **train.csv** - conjunto de entrenamiento/desarrollo (features + `is_hit` (ground truth))
*   **test.csv** - conjunto de testeo (solo contiene features (sin `is_hit`))
*   **sample_submission.csv** - ejemplo de formato de envío

### Identificador: `track_id`
*  `track_id` es el ID único de cada canción y aparece en **train**, **test** y en el **submission**.
* El archivo de envío debe llamarse **submission.csv** y debe haber exactamente una fila por cada `track_id` del test, sin duplicados ni faltantes (Ver [Sección Evaluación](www.kaggle.com/competitions/hackaton-udesa-ort/overview/evaluation) para más detalles).
* **Sugerencia**: no usar `track_id` como feature (no aporta señal musical y puede inducir overfitting).

---

## Descripción del Dataset

### Features 

- `genre`: género de la canción (Ejemplo: Hip-Hop, Indie, Pop).
- `duration`: duración de la canción en milisegundos. 
- `danceability` (0–1): qué tan bailable es un tema considerando tempo, estabilidad rítmica, fuerza del beat y regularidad. 
- `energy` (0–1): medida perceptual de intensidad/actividad (temas más “rápidos/ruidosos” tienden a puntuar alto). 
- `loudness` (dB): sonoridad promedio del tema, típicamente entre −60 y 0 dB. 
- `key`: tonalidad del tema (Ver [pitch class](https://en.wikipedia.org/wiki/Pitch_class)). 
- `mode`: El modo indica la modalidad (mayor o menor) de una pista, el tipo de escala de la que se deriva su contenido melódico. Mayor se representa con 1 y menor con 0.
- `speechiness` (0–1): presencia de habla; >0.66 suele ser mayormente hablado (p. ej., podcast), 0.33–0.66 mixto (p. ej., rap). 
- `acousticness` (0–1): confianza de que el tema es acústico (1.0 = alta confianza). 
- `instrumentalness` (0–1): probabilidad de que no haya voz; >0.5 sugiere instrumental. Los sonidos "ooh" y "aah" se consideran instrumentales en este contexto.
- `liveness` (0–1): detecta la presencia de público en la grabación. Un valor de liveness alto representa una mayor probabilidad de que la pista se haya interpretado en vivo. Un valor superior a 0.8 indica una alta probabilidad de que la pista sea en vivo.
- `valence` (0–1): “positividad” musical percibida (alto = feliz/eufórico; bajo = triste/enojado). 
- `tempo` (BPM): tempo estimado del tema. En terminología musical, el tempo es la velocidad o ritmo de una pieza determinada y deriva directamente de la duración promedio del pulso. 
- `time_signature`: el compás (métrica estimada) es una convención de notación que especifica el número de tiempos en cada compás. El compás va de 3/4 a 7/4.
- `artist_name`: nombre del artista.
- `track_name`: nombre de la canción.

### Variable objetivo: `is_hit`

`is_hit` es una **etiqueta binaria** derivada del **nivel de popularidad** de cada pista en Spotify: un indicador calculado algoritmicamente del **engagement reciente** de la canción (escuchas, actualidad, etc.).

* `is_hit = 1` indica que la pista presenta un **nivel de popularidad alto**.
* `is_hit = 0` indica un **nivel de popularidad no alto**.