# Delitos en los municipios de NY — Data

来源：https://www.kaggle.com/competitions/delitosenny/data

本地 Meta Kaggle 快照；不是本次实时页面。

# Dataset Description

# Conjunto de datos

Los datos a utilizar en esta ocasión provienen de tres conjuntos de datos publicados abiertamente por la ciudad de Nueva York sobre diversos incidentes y reclamos realizados al 311. El detalle es como sigue:

1.  **x_train.csv:** Contiene una reducción temporal a nivel de semana de diversos atributos como la cantidad de infracciones por tipo cursadas esa semana, la cantidad de reclamos por ruido, etc. El detalle de cada columna puede ser encontrado en los archivos **NYPD_Arrest_Historic_DataDictionary.xlsx** y **NYPD_Complaint_Historic_DataDictionary.xlsx**. Es este el conjunto de datos que debe utilizar para entrenar sus modelos. Estos datos corresponden a todas las semanas de todos los años registrados historicamente hasta el 2018.
2. **x_test.csv:** Contiene los mismos atributos que x_train pero solo con la información del año 2019.
3. **y_train.csv:** Contiene cuatro columnas de las cuales las cuatro primeras: `Felony`, `Misdemeanor` y `Violation` corresponden a la cantidad delitos de dichos tipos cometidos para cada año/semana/municipio especificados en la cuarta columna llamada  `year_week_borough`. Toda esta información respecta, al igual que `x_train`, a los años hasta el 2018.
4. **y_test_pattern.csv:** De forma análoga a `y_train`, contiene las mismas columnas pero con la información referente al año 2019 **desde la semana 11 en adelante**. En este caso usted debe predecir para cada valor de `year_wek_borogh` el valor de cada delito. Note que **x_test** contiene los valores de los atributos desde el inicio del 2019, por lo que tiene más filas que y_test, esto es para que pueda ajustar sus valores de lag si lo desea usando hasta 10 semanas del año 2019 (pueden ser más si incluye la información del conjunto de train al momento de hacer las predicciones).
5. **sample_submission.csv:** Corresponde a un ejemplo de predicción realizado para `y_test` donde se predijo aleatoriamente, a partir de una distribución normal con parámetros estimados empíricamente sobre `x_train`, la cantidad de delitos por semana por cada tipo de delito.

Es importante notar que para `y_train` e `y_test` es la columna `year_week_borough` la que actua como indice por lo que al momento de subir su solución debe conservar el orden de las columnas y subirla en cuarto lugar.

Adicionalmente, se le incorporan los diccionarios de datos para dos de los datasets en cuestión:

1. **NYPD_Arrest_Historic_DataDictionay.xlsx:** Contiene información sobre las columnas correspondientes a los arrestos realizados por el departamento de policía.
2. **NYPD_Complaint_Historic_DataDictionary:** Contiene información sobre las columnas correspondientes a reclamos realizados por ciudadanos al número 311.

Con respecto a la información dada por los reclamos, tener en cuenta que durante el preprocesamiento de los datos se hizo la siguiente agrupación: 


> * Noise:
>> - Noise - residential
>> - Noise - street/sidewalk
>> - Noise - commercial
>> - Noise - vehicle
>> - Noise - house of worship
>> - Noise - park
>
> * Traffic Related
>> - Illegal parking
>> - Blocked driveway
>> - Abandoned vehicle
>> - Traffic/illegal parking
>> - Derelict vehicle
>> - Traffic
>
> * Domestic
>> - Non-emergency police matter
>> - Animal abuse
>> - Illegal fireworks
>> - Vending
>> - Homeless encampment
>> - Drinking
>> - Homeless street condition
>> - Panhandling
>> - Urinating in public
>> - Bike/roller/skate chronic
>> - Disorderly youth
>> - Graffiti
>
> * Drug & Violence
>> - Drug activity