column_1 - пол водителя / gender of the driver;column_2 - стаж вождения / driving experience;column_3 - семейное положение водителя / marital status of the driver;column_4 - город регистрации водителя / city of driver registration;column_5 - город регистрации договора / city of contract registration;column_6 - максимальная просрочка по выплатам / maximum delay in payments;column_7 - тип двигателя / engine type;column_8 - пробег транспортного средства / vehicle mileage;column_9 - год производства транспортного средства / vehicle manufacturing year;column_10 - мощность двигателя в лошадиных силах / engine power in horsepower;column_11 - количество договоров клиента / number of client contracts;column_12 - количество договоров транспортного средства / number of vehicle contracts;column_13 - возраст клиента / client age;column_14 - тип транспортного средства / vehicle type;column_15 - страна-производитель транспортного средства / vehicle manufacturing country;column_16 - наличие телематических систем, установленных на транспортное средство / the presence of telematics systems installed on the vehicle;column_17 - марка и модель автомобиля (задача усложняется тем, что в выборке почти для всех марок присутствуют разные модели, представляющие их, т.е. марка X в выборке представлена моделями x1,x2, хотя в явном виде эта информация в данных не присутствует) / brand and model of the car (the task is complicated by the fact that in the sample for almost all brands there are different models representing them, i.e. brand X in the sample is represented by models x1, x2, although this information is not explicitly present in the data);column_18 - технический параметр транспортного средства / technical parameter of the vehicle.В тестовом наборе данных каждому договору соответствует уникальный идентификатор id.
In the test dataset, each contract has a unique id.
Участники соревнования строят модели предсказания страховой стоимости транспортных средств страхователей - клиентов страховой компании.
\nДля 24 511 договоров страхования транспортных средств известны значения ряда признаков, в том числе пол, возраст, стаж вождения и коэффициент бонус-малус водителя, тип, марка, модель, год выпуска, страна – производитель, мощность и объем двигателя, а также страховая стоимость транспортного средства (файл casco_train.csv).
\nТребуется построить модель, предсказывающую страховую стоимость транспортного средства клиента (признак target) для 3662 договоров из тестового набора данных (файл casco_test.csv).
Метрикой качества является средняя относительная ошибка предсказания (Mean Absolute Percentage Error):
\\[MAPE = \\frac{100\\%}{n} \\sum_{i=1}^n{\\frac{|\\hat{y_i}-y_i|}{y_i}}.\\]
\nОдной из особенностей данной задачи является то, что почти для всех марок присутствуют разные модели, представляющие их.
\nУчастник соревнования должен загрузить на платформу чемпионата файл с предсказанной страховой стоимостью транспортных средств (target) для 3662 договоров из тестового набора данных. Половина из этих договоров относится к публичному тестовому набору данных, другая половина - к закрытому тестовому набору данных.
Участник соревнования должен представить файл в формате csv, первая строка которого содержит набор заголовков id, target, а в следующих строках для каждого договора из тестового набора данных через запятую указывается идентификатор id и соответствующее предсказанное значение признака target - страховой стоимости транспортного средства по данному договору:
id, target\n
1, 100000.000001
2, 100001.000002
... ...
Пример результатов представлен в файле casco_sample.csv.
\nУчастники не могут образовывать команды. Каждый участник может подать несколько результатов, но не более 10 в день. В итоговом рейтинге будет учитываться наилучшая модель.
\nСоревнование проводится на платформе kaggle, для участия необходимо зарегистрироваться на этой платформе по ссылке https://kaggle.com/account/register. При этом необходимо использовать свое настоящее имя. После этого можно ознакомиться с подробными правилами соревнования и загрузить исходные данные по адресу https://www.kaggle.com/c/findata-casco.
\nСразу после загрузки будет автоматически рассчитываться средняя абсолютная ошибка предсказания (Mean Absolute Error) и рейтинг участников на основании публичного тестового набора данных.
Результаты будут автоматически пересчитываться по адресу https://www.kaggle.com/c/findata-casco/submit до 23:59 31 декабря 2038 года.
\nChallenge participants delevop models for predicting the vehicle insurance value.
\nFor 24 511 vehicle insurance contracts, the values of a number of signs are known, including gender, age, driving experience and driver bonus-malus coefficient, type, brand, model, year of manufacture, country of manufacture, engine power and volume, as well as insurance cost vehicle (casco_train.csv file).
\nIt is required to build a model that predicts the insured value of the client’s vehicle (target attribute) for 3662 contracts from the test data set (casco_test.csv file).
\nThe quality metric is Mean Absolute Percentage Error:
\\[MAPE = \\frac{100\\%}{n} \\sum_{i=1}^n{\\frac{|\\hat{y_i}-y_i|}{y_i}}.\\]
\nOne point is that for almost all brands there are different models representing them.
\nParticipants must upload a file with the predicted insurance value of vehicles (target) for 3662 contracts from the test data set to the championship platform. Half of these contracts relate to a public test data set, the other half to a closed test data set.
The participant of the competition must submit a file in csv format, the first line of which contains a set of headers id, target, and in the next lines for each contract from the test data set the identifier id and the corresponding predicted value of the target - the insurance value of the vehicle under this contract as follows:
id, target\n
1, 100000.000001
2, 100001.000002
... ...
An example of the results is provided in the casco_sample.csv file.
\nParticipants cannot form teams. Each participant can submit several results, but not more than 10 per day. The final ranking will take into account the best model.
\nThe competition is held on kaggle, to participate you must register at https://kaggle.com/account/register. You must use your real name. After that, you can familiarize yourself with the detailed rules of the competition and download the source data at https://www.kaggle.com/c/findata-casco.
\nImmediately after loading, the Mean Absolute Error and the rating of participants will be automatically calculated based on the public test data set.
Results will be automatically recounted at https://www.kaggle.com/c/findata-casco/submit until 23:59 on December 31, 2038.
\nКачество модели оценивается с помощью средней относительной ошибки предсказания (Mean Absolute Percentage Error):
\\[MAPE = \\frac{100\\%}{n} \\sum_{i=1}^n{\\frac{|\\hat{y_i}-y_i|}{y_i}}.\\]
\nЧем меньше значение MAPE, тем лучше результат.
The quality of the model is estimated using the Mean Absolute Percentage Error:
\\[MAPE = \\frac{100\\%}{n} \\sum_{i=1}^n{\\frac{|\\hat{y_i}-y_i|}{y_i}}.\\]
\nThe lower the MAPE value, the better the result.