{
  "fetched_at": "2026-10-20T05:21:09Z",
  "source_url": "https://www.kaggle.com/competitions/delitosenny/data",
  "pages": [
    {
      "name": "data-description",
      "content": "# Conjunto de datos\n\nLos 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:\n\n1.  **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.\n2. **x_test.csv:** Contiene los mismos atributos que x_train pero solo con la información del año 2019.\n3. **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.\n4. **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).\n5. **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.\n\nEs 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.\n\nAdicionalmente, se le incorporan los diccionarios de datos para dos de los datasets en cuestión:\n\n1. **NYPD_Arrest_Historic_DataDictionay.xlsx:** Contiene información sobre las columnas correspondientes a los arrestos realizados por el departamento de policía.\n2. **NYPD_Complaint_Historic_DataDictionary:** Contiene información sobre las columnas correspondientes a reclamos realizados por ciudadanos al número 311.\n\nCon respecto a la información dada por los reclamos, tener en cuenta que durante el preprocesamiento de los datos se hizo la siguiente agrupación: \n\n\n> * Noise:\n>> - Noise - residential\n>> - Noise - street/sidewalk\n>> - Noise - commercial\n>> - Noise - vehicle\n>> - Noise - house of worship\n>> - Noise - park\n>\n> * Traffic Related\n>> - Illegal parking\n>> - Blocked driveway\n>> - Abandoned vehicle\n>> - Traffic/illegal parking\n>> - Derelict vehicle\n>> - Traffic\n>\n> * Domestic\n>> - Non-emergency police matter\n>> - Animal abuse\n>> - Illegal fireworks\n>> - Vending\n>> - Homeless encampment\n>> - Drinking\n>> - Homeless street condition\n>> - Panhandling\n>> - Urinating in public\n>> - Bike/roller/skate chronic\n>> - Disorderly youth\n>> - Graffiti\n>\n> * Drug & Violence\n>> - Drug activity\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "# Predicción de Delitos en la Ciudad de Nueva York\nLa ciudad de Nueva York le encarga la construcción de un modelo capaz de predecir la cantidad de delitos cometidos (medidos en tres categorías principales: \"Felony\", \"Misdemeanor\" y \"Violation\") en cada municipio de la ciudad (estos son \"Brooklyn\", \"Queens\", \"Manhattan\", \"Bronx\" y \"Staten island\") con una semana de anticipación. Para esta tarea la ciudad le entrega tres conjuntos de datos:\n\n1.- Arrestos historicos\n2.- Colisiones vehiculares históricas\n3.- Quejas ciudadanas a servicios sociales históricas (número 311).\n\nQue contienen información histórica de incidentes registrados por diversos servicios como el departamento de policía o la oficina de tránsito. Su tarea consiste en lograr entrenar un modelo que cumpla con un performance lo suficientemente bueno como para ser utilizado por la ciudad para predecir crímenes, los atributos a usar y las transformaciones a realizar sobre los datos quedan a completo criterio de usted con la única excepción de que debe usar como vectores objetivo la cantidad de ocurrencias de los tres delitos a ocurrir en la siguiente semana. Estos tres conjuntos de datos ya fueron pre-procesados y sintetizados en las matrices descritas en la sección **Data**.\n\nEs importante notar que el problema que le encargan cae dentro de la categoría de regresión multi-output (debe predecir varios valores a la vez: La cantidad de delitos, por tipo, para cada municipio, semana a semana) por lo que investigue las técnicas que le permiten adaptar los modelos vistos en clase a este caso. También se puede catalogar este problema como uno de series de tiempo, por lo que se verá enfrentado al problema de utilizar la información del pasado para predecir lo que ocurrirá en el futuro, una forma de hacer esto es utilizando el concepto de \"lag\". En el contexto de las series de tiempo el lag se refiere a la ventana temporal utilizada para regular la cantidad de información de tiempos anteriores que será utilizada en la predicción actual, por ejemplo, si tenemos un dataset con información semanal de precios de pasajes aéreos, utilizar un lag de 2 significa utilizar la información recabada desde hace 2 semanas para predecir la siguiente, esto se puede codificar explícitamente en nuestro dataset si copiamos la información de esas dos semanas como columnas nuevas en cada fila del dataset. Se le recomienda crear una función para poder realizar esta transformación en su dataset pre-procesado, previo al entrenamiento.\n\n**Finalmente, para este trabajo se excluirá la posibilidad de utilizar arquitecturas neuronales y la librería \"prophet\".**",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "# Método de Evaluación\nEn este problema, se evaluará la calidad de las soluciones utilizando la métrica **Mean Columnwise Root Mean Squared Error** (MCRMSE) la cual es simplemente el cálculo del valor médio para la métrica de Mean Squared Error calculada por columna, en este caso:\n\n$$\nMCRMSE = \\frac{RMSE(Felony) + RMSE(Misdemeanor) + RMSE(Violation)}{3}\n$$\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "Las reglas de esta competencia son las siguientes:\n\n1. Está prohibido buscar y usar los datos originales de estos datasets para el entrenamiento de sus modelos, por favor, **utilice solo los datos de entrenamiento provistos en esta competencia**.\n2. Está prohibida toda copia entre grupos.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}