La descripción de los datos la encuentran en la sección "Competencia Kaggle" de EVA.
El objetivo de la competencia es lograr el mejor porcentaje de acierto en la determinación del tipo de un electrodoméstico a partir de señales de corriente y voltaje. Estas señales fueron adquiridas por estudiantes del Taller de Fourier - EDM, en los años 2019, 2020, 2021, 2022 y 2023.
Para el entrenamiento de los algoritmos se ha seleccionado un subconjunto de los datos originalmente adquiridos en 2019, 2020, 2021 y 2022 (sin repetición de instancias). Para estos datos tienen la información de tipo.
Con esos datos van a entrenar uno o más clasificadores y tratar de predecir los datos de otro conjunto para el cual no conocen el tipo (conjunto de test)
En kaggle tienen la metadata correspondiente (Train.csv y Test.csv) y un ejemplo de cómo subir las predicciones (Sample_submission.csv)
Si quieren aumentar la cantidad de datos de entrenamiento, podrían también probar usar los datos de plaid.
El objetivo de la competencia es lograr el mejor porcentaje de acierto en la determinación del tipo de un electrodoméstico a partir de señales de corriente y voltaje. Estas señales fueron adquiridas por estudiantes del Taller de Fourier - EDM, en los años 2019, 2020, 2021, 2022 y 2023.
Para el entrenamiento de los algoritmos se ha seleccionado un subconjunto de los datos originalmente adquiridos en 2019, 2020, 2021 y 2022 (sin repetición de instancias). Para estos datos tienen la información de tipo.
Con esos datos van a entrenar uno o más clasificadores y tratar de predecir los datos de otro conjunto para el cual no conocen el tipo (conjunto de test)
En kaggle tienen la metadata correspondiente (Train.csv y Test.csv) y un ejemplo de cómo subir las predicciones (Sample_submission.csv)
Si quieren aumentar la cantidad de datos de entrenamiento, podrían también probar usar los datos de plaid.