{
  "fetched_at": "2026-10-24T08:43:05Z",
  "source_url": "https://www.kaggle.com/competitions/fund-ml-5/data",
  "pages": [
    {
      "name": "data-description",
      "content": "<h2>El conjunto de datos</h2>\n\nEn este desafío resolveréis un problema de clasificación binaria. Se os proporciona un conjunto de datos público de \"origen desconocido\" que se ha post-procesado para este reto de diferentes modos:\n<ul>\n<li> Hemos añadido características ruidosas.</li>\n<li> Hemos añadido nuevas características resultantes de realizar combinaciones lineales y no lineales de las características originales y de las sintéticas. </li>\n<li> Y, por si esto no fuera suficiente, hemos perdido algunos valores de las observaciones durante las transformaciones. ¡Lo sentimos! </li>\n\n<h2>Ficheros disponibles</h2>\n<ul>\n<li><strong>train_set.csv</strong> - el conjunto de entrenamiento </li>\n<li><strong>test_set.csv</strong> - el conjunto de test. Tenéis que enviar una predicción de target para cada fila de este fichero</li>\n<li><strong>random_submission.csv</strong> - un ejemplo de fichero de envío en el formato correcto</li>\n</ul>\n<h2>Estructura de los ficheros de datos</h2>\n<ul>\n<li><strong>feat_XX</strong> - columna con una variable</li>\n<li><strong>target</strong> - clase de la observación de esta fila</li>\n</ul>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "<p>Bienvenidos al desafío de  para los alumnos del curso en Fundamentos de Aprendizaje Automático. El desafío se abre el 1 de diciembre de 2021 y termina el 31 de enero de 2022.  Trabajaréis en los grupos de clase y podréis hacer hasta 10 envíos al día.</p>\n\n<p>El nombre del equipo será Grupo_G donde \"G\" es el grupo de tutoría de los participantes.</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluación",
      "content": "El conjunto de test que os proporcionamos contiene un número de observaciones para las que tenéis que predecir una única etiqueta binaria. Tras cada envío, podéis estimar vuestra posición con el score calculado sobre la partición pública del conjunto de test --sobre el 40%--, pero el ranking final se hace usando la parte privada del conjunto de test --no tendréis acceso a este score--.\n\nLa métrica elegida para la evaluación de esta competición es  <a href=\"https://www.kaggle.com/wiki/MeanFScore\"> F1-Score</a> . El score F1, usado comúnmente en recuperación de información, mide prestaciones usando los estadísticos precisión (p) y *recall* (r). La precisión es el cociente entre el número de verdaderos positivos (tp) y el número de observaciones que se han etiquetado como positivas (tp + fp). El *recall* es el cociente entre tp y el número real de observaciones que son verdaderamente positivas (tp + fn). El score F1 se calcula mediante :</p>\n$$ \nF1 = 2\\frac{p \\cdot r}{p+r}\\ \\ \\mathrm{donde}\\ \\ p = \\frac{tp}{tp+fp},\\ \\ r = \\frac{tp}{tp+fn} \n$$\n\nEl score F1 pondera igualmente  *recall* y precisión, y un buen algoritmo debería maximizar ambos estadísticos, precisión y *recall* simultáneamente. Por tanto, tener un resultado aceptable en las dos métricas se prefiere sobre tener un resultado excepcional en una de las métricas pero muy pobre en la otra.\n\n<h2>Formato de envíos</h2>\n<p>Debéis subir un fichero CSV con predicciones en forma de etiquetas binarias para las observaciones del conjunto de test. Debe contener dos columnas con cabeceras 'ID' y 'target'. Por ejemplo:\n<pre>ID,target<br>0,1<br>1,1<br>2,0<br></pre>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "- ¡No hagas trampas!\n- ¡Aprende!\n- ¡Diviértete!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Cálculo De La Nota",
      "content": "Una vez que finalice el challenge:\n-  El equipo ganador obtendrá 100 puntos.\n-  Los equipos que obtengan puntuaciones de F1 menores que 0.5 obtendrán 0 puntos.\n- El resto de equipos tendrán una nota resultante de interpolar linealmente su score entre 0.5 y el score del ganador",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}