{
  "fetched_at": "2026-10-19T15:04:55Z",
  "source_url": "https://www.kaggle.com/competitions/fundamentos-ml/data",
  "pages": [
    {
      "name": "data-description",
      "content": "<h2>El conjunto de datos</h2>\n<p>\nEn este desafío tenéis que resolver un problema de clasificación binaria. Os vamos a proporcionar una base de datos de *origen desconocido* que hemos transformado de varias maneras:</p>\n- Hemos añadido características ruidosas<br>\n- Hemos añadido como características algunas combinaciones lineales y no lineales de las características originales y de las ruidosas<br>\n- Y por si esto fuera poco, hemos perdido algunos valores de las observaciones durante las transformaciones. ¡Lo sentimos!<br>\n\n<h2>Ficheros disponibles</h2>\n- <strong>train_set.csv</strong> - el conjunto de entrenamiento<br>\n- <strong>test_set.csv</strong> - el conjunto de test. Tenéis que enviar una etiqueta para cada fila de este fichero<br>\n- <strong>sample_submission.csv</strong> - un ejemplo de fichero de envío en el formato correcto<br>\n\n<h2>Estructura de los ficheros de datos</h2>\n- <strong>feat_XX</strong> - columna con una variable<br>\n- <strong>target</strong> - etiqueta de la observación de esta fila<br>\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "<p>Bienvenidos al desafío de clasificiación automática para los alumnos del curso en Fundamentos de Aprendizaje Automático. El desafío se abre el 9 de julio de 2020 y termina el 30 de julio de 2020.  Trabajaréis en los grupos de clase y podréis hacer hasta 4 envíos al día.</p>\n\n<p>El nombre del equipo se formará con los códigos NIA (podéis consultarlos en Aula Global) de los participantes.</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluación",
      "content": "\n\n<p>La métrica que vamos a usar para evaluar vuestros clasificadores es  <strong>F1</strong>. Si llamamos TP al número de verdaderos positivos (observaciones de la clase 1 etiquetadas en la clase 1), FP al número de falsos positivos (observaciones de la clase 0 etiquetadas en la clase 1) y FN al número de falsos negativos (observaciones de la clase 1 etiquetadas en la clase 0), la métrica F1 se calcula como</p>\n<p>\\[\nF1 = 2\\frac{P\\times R}{P + R} \\mbox{ where } P = \\frac{TP}{TP+FP} \\mbox{ and } R = \\frac{TP}{TP+FN} \n\\]</p>\n\n<h2>Formato de los envíos</h2>\n<p>Cada fichero enviado debería tener <strong>predicciones de etiquetas binarias para cada observación del conjunto de test</strong>. Los ficheros enviados deberán tener dos columnas: índice de la observación y predicción.</p>\n<p>El fichero tiene que llevar cabecera, y seguir este formato:</p>\n<pre>ID,target<br>0,1<br>1,0<br>2,0<br>3,0<br></pre>\n\n<p>En este ejemplo la observación con ID 0 se asigna a la clase 1, la observación con ID 1 se asigna a la clase 0, igual que las observaciones con ID 2 e ID 3.</p>",
      "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": "Calificaciones",
      "content": "<p>La calificación del desafío es competitiva y supone un 20% de la nota final del curso.\n- Para puntuar es necesario que el envío final de cada grupo alcance un F1 superior a 0,35 (el que se obtiene con un envío que declare como positivas todas las observaciones). Por tanto, aquellos grupos con F1 inferior a 0,35 obtendrán 0 puntos.</p>\n- El grupo vencedor obtendrá 100 puntos.\n- El resto de grupos obtendrán una puntuación proporcional a la diferencia entre su F1 y el F1del vencedor. Si el grupo *i* obtiene un F1 igual a *Ai* y el vencedor obtiene un F1 igual a *Ag*, entonces la puntuación del grupo *i* viene dada por\n<p>\\[\n100 \\times \\frac{A_g-A_i}{A_g - 0.35}\n\\]</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}