{ "fetched_at": "2026-10-20T08:55:29Z", "source_url": "https://www.kaggle.com/competitions/desafio-worcap-2020/data", "pages": [ { "name": "data-description", "content": "# Descrição dos dados\n\nOs dados são dividos em duas partes:\n\n- `treino.csv`\n- `teste.csv`\n\n## Atributos:\n\n- **id:** Identificação única da linha (não use este atributo para treinar seu modelo)\n- **label:** 's' ('Sugi' floresta), 'h' ('Hinoki' floresta), 'd' ('Mixed deciduous' floresta), 'o' ('Other' não floresta) \n- **b1:** Banda do verde corresponde ao mês de setembro de 2010\n- **b2:** Banda do vermelho corresponde ao mês de setembro de 2011\n- **b3:** Banda do infravermelho próximo corresponde ao mês de setembro de 2011\n- **b4:** Banda do verde corresponde ao mês de Março de 2011\n- **b5:** Banda do vermelho corresponde ao mês de Março de 2011\n- **b6:** Banda do infravermelho próximo corresponde ao mês de Março de 2011\n- **b7:** Banda do verde corresponde ao mês de Maio de 2011\n- **b8:** Banda do vermelho corresponde ao mês de Maio de 2011\n- **b9:** Banda do infravermelho próximo corresponde ao mês de Maio de 2011\n- **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'\n- **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'\n\n## O que fazer com os dados?\n\nO 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.\n\nO 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.\n- Fique atento ao formato de envio. O documento deve conter as colunas `Id` e `label`.\n", "isPublished": false, "hasIsPublished": false, "postTitle": "", "hasPostTitle": false, "mimeType": "", "hasMimeType": false }, { "name": "Description", "content": "# Desafio WorCAP 2020\n\nEste desafio foi criado com o objetivo de estimular os alunos a realizar Data Science e aplicar técnicas de Machine Learning. No exercício proposto, a ideia é que os participantes da competição busquem formas de melhorar a acurácia de classificação do conjunto de dados gerado no trabalho de [Johnson *et al.*, (2012)](https://www.tandfonline.com/doi/full/10.1080/01431161.2011.629637?scroll=top&needAccess=true). Nesse trabalho, os autores apresentaram acurácia de **85.9%** 😲 💯 \n\n> Será que você é capaz de ultrapassar essa acurácia ?\n\nDesta forma, para que você vença o desafio é necessário aplicar uma técnica de classificação, utilizando [R](https://www.kaggle.com/oldlipe/ml-curso-de-verao-r/) ou [Python](https://www.kaggle.com/phelpsmemo/ml-curso-de-verao-python), e obter o melhor resultado da competição (Não necessariamente melhor que o resultado apresentado no artigo). Feito isso, você vence! 🎉 \n\n## Sobre o conjunto de dados\n\nNeste desafio foi selecionado para uso o conjunto de dados de Sensoriamento Remoto sobre tipos de florestas. Os dados foram publicados por [Johnson *et al.*, (2012)](https://www.tandfonline.com/doi/full/10.1080/01431161.2011.629637?scroll=top&needAccess=true), no artigo denominado \"Using geographically weighted variables for image classification\". Os dados foram gerados a partir de imagens de Sensoriamento Remoto das florestas de Ibaraki Prefecture, no Japão. As imagens utilizadas são apresentadas abaixo.\n\n![](https://raw.githubusercontent.com/dataAt/ml-aplicado-dados-espacial/master/src/img/study_area.png)\n\nAs imagens apresentadas acima foram imageadas pelo sensor ASTER a bordo do satélite Terra, nos períodos de Setembro de 2010, Março de 2011 e Maio de 2011, respectivamente. \n\n## Agradecimentos\n\nDurante a criação do material recebemos muitas ajudas, uma fundamental foi a do professor. Dr. Rafael Santos. Obrigado!", "isPublished": false, "hasIsPublished": false, "postTitle": "", "hasPostTitle": false, "mimeType": "", "hasMimeType": false }, { "name": "Objective", "content": "# Objetivo\n\nSeu trabalho é fazer a predição de diferentes tipos de florestas:\n- **s** - Abreviação de `Sugi` - Plantio de Florestas\n- **h** - Abreviação de `Hinok` - Plantio de Florestas\n- **d** - Abreviação de `Mixed deciduous`- Floresta natural mista de folhas largas \n- **o** - Abreviação de `Others` - Tipo de dados não-floresta, como ruas, construções, etc\n\nCada um dos três tipos de floresta tem diferentes usos econômicos e valores de conservação ambiental, sendo assim, um mapeamento eficiente é importante para a conservação do meio ambiente.\n\nCertifique-se que, para cada linha do conjunto de dados `test.csv`, há um rótulo que represente um desses tipos de florestas em seu arquivo de submissão.\n\n## Métrica: \n\nA pontuação da sua submissão é a porcentagem de acertos que seu modelo de classificação foi capaz de predizer. Isso é conhecido como **[acurácia](https://scikit-learn.org/stable/modules/model_evaluation.html#accuracy-score)**:\n\n![](https://latex.codecogs.com/gif.latex?%5Ctexttt%7Bacuracia%7D%28y%2C%20%5Chat%7By%7D%29%20%3D%20%5Cfrac%7B1%7D%7Bn_%5Ctext%7Blinhas%7D%7D%20%5Csum_%7Bi%3D1%7D%5E%7Bn_%5Ctext%7Blinhas%7D%7D%201%28%5Chat%7By%7D_i%20%3D%20y_i%29)\n\nEm que:\n\n![](https://latex.codecogs.com/gif.latex?%5Chat%7By_i%7D) = é o valor predito para linha ***i***; \n![](https://latex.codecogs.com/gif.latex?y) = é o valor verdadeiro;\n\n## Submissão\n\nPara realizar a submissão é necessário que envie um arquivo `.csv` com o mesmo número de linhas que o arquivo de teste (**315 linhas**). Caso seu arquivo tenha mais ou menos linhas do que esperado, vai dar erro de submissão. \n\n\n

O arquivo deve conter um cabeçalho e ter o seguinte formato:

\n
id,label
1,d
2,o
3,h
4,s
etc
", "isPublished": false, "hasIsPublished": false, "postTitle": "", "hasPostTitle": false, "mimeType": "", "hasMimeType": false }, { "name": "rules", "content": "Os tópicos abaixo apresentam as regras do desafio. Ao não cumprir com cada um dos itens, há o risco de exclusão de seu usuário da competição\n\n# 1. Uma conta por participante\n\nNão será permitido o uso de múltiplas contas Kaggle para a submissão dos resultados.\n\n# 2. Limite de submissões\n\nSão permitidas 20 submissões por dia. \n\n# 3. Tempo de competição\n\n- Início da competição: 15/09/2020 às 11:30 da manhã\n- Final da competição: 15/09/2020 às 15:20 da tarde \n\n# 4. Não faça cópias de resultados\n\nO principal objetivo desse desafio é você tentar aplicar os conceitos vistos nos minicursos em um contexto novo! Isso pode ser complicado no início, mas com o tempo você vai aprendendo. Então, não faça a cópia de resultados.\n\n# 5. Métodos\n\nVocê é livre para escolher o método de classificação que achar melhor! \n\n# 6. Linguagens de programação\n\nSerá necessário utilizar as linguagens de programação [Python](https://www.python.org/) ou [R](https://www.r-project.org/). Não há restrições para pacotes e bibliotecas, use as que te faz produzir mais!\n\n# 7. Divirta-se!\n\nNão encare este desafio como uma competição séria, mas como algo que você vai aprender!! 👌 💯 ", "isPublished": false, "hasIsPublished": false, "postTitle": "", "hasPostTitle": false, "mimeType": "", "hasMimeType": false }, { "name": "Tips", "content": "# Dicas\n\nEsta seção tem algumas dicas que podem te ajudar a começar a manipular os dados.\n\n## Classificação\n\nO problema proposto pelo desafio é relacionado a classificação de dados. Para obter um bom resultado é preciso verificar a importância dos atributos dentro do conjunto de dados. 👌 \n\n## Leitura dos arquivos de treino e teste\n\n- Em `Python`\n```python\nimport pandas as pd\n\ntreino = pd.read_csv(\"treino.csv\")\nteste = pd.read_csv(\"teste.csv\")\n```\n\n- Em `R`\n```R\ntreino <- read.csv(\"train.csv\")\nteste <- read.csv(\"test.csv\")\n```\n## Escrita do arquivo de submissão\n\n- Em `Python`\n\n```python\n# df é o DataFrame com os dados\ndf.to_csv(\"submission.csv\", index = False)\n```\n\n- Em `R`\n\n```R\nwrite.csv(dado_predicao, \"submission.csv\")\n```\n\n# Links úteis\n\n- Dúvidas na manipulação e limpeza dos dados, consulte o material de [introdução à análise de dados](https://dataat.github.io/introducao-analise-de-dados/)\n\n- Dúvidas no uso dos algoritmos de Machine Learning, veja nosso exemplos: \n - [Cluster hierarquico](https://www.kaggle.com/oldlipe/intro-ml-r-hiererquico-worcap2020)\n - [Classificação com árvore de decisão](https://www.kaggle.com/phelpsmemo/intro-ml-python-decisiontree-worcap2020)\n - [Regressão linear](https://www.kaggle.com/lordadriano/intro-ml-python-linear-regression-worcap2020)", "isPublished": false, "hasIsPublished": false, "postTitle": "", "hasPostTitle": false, "mimeType": "", "hasMimeType": false } ] }