# Desafio WorCAP 2020 — Data

来源：https://www.kaggle.com/competitions/desafio-worcap-2020/data

本地 Meta Kaggle 快照；不是本次实时页面。

# Dataset Description

# Descrição dos dados

Os dados são dividos em duas partes:

- `treino.csv`
- `teste.csv`

## Atributos:

- **id:** Identificação única da linha (não use este atributo para treinar seu modelo)
- **label:**  's' ('Sugi' floresta), 'h' ('Hinoki' floresta), 'd' ('Mixed deciduous' floresta), 'o' ('Other' não floresta) 
- **b1:** Banda do verde corresponde ao mês de setembro de 2010
- **b2:** Banda do vermelho corresponde ao mês de setembro de 2011
- **b3:** Banda do infravermelho próximo corresponde ao mês de setembro de 2011
- **b4:** Banda do verde corresponde ao mês de Março de 2011
- **b5:** Banda do vermelho corresponde ao mês de Março de 2011
- **b6:** Banda do infravermelho próximo corresponde ao mês de Março de 2011
- **b7:** Banda do verde corresponde ao mês de Maio de 2011
- **b8:** Banda do vermelho corresponde ao mês de Maio de 2011
- **b9:** Banda do infravermelho próximo corresponde ao mês de Maio de 2011
- **pred_minus_obs_S_b1 até pred_minus_obs_S_b9**: Valores espectrais previstos (Com base na interpolação espacial) subtraido dos valores  espectrais reais para a classe 's'
- **pred_minus_obs_S_b1 até pred_minus_obs_H_b9**: Valores espectrais previstos (Com base na interpolação espacial) subtraido dos valores  espectrais reais para a classe 'h'

## O que fazer com os dados?

O conjunto de treinamento `treino.csv` deve ser usado para construir os modelos de aprendizagem de máquina. Para o conjunto de treinamento, fornecemos o resultado (também conhecido como a "verdade em terra") para cada classe. O seu modelo deverá fazer a identificação de tipos de árvores.

O conjunto `teste.csv` deve ser usado para verificar a capacidade de generalização do modelo criado. Com base nos resultados obtidos através deste modelo, você deverá submeter seus resultados.
- Fique atento ao formato de envio. O documento deve conter as colunas `Id` e `label`.