Descripción de la competencia
Si le preguntas a alguien que quiera comprar una casa como sería la casa de sus sueños, seguramente no comiencen la descripción hablando del techo del sótano o cuan cercano está al ferrocarril. Esta competencia de juego proporciona un grupo de datos que prueba que muchas variables afectan el precio de una vivienda además del número de habitaciones o la presencia de una cerca blanca.
Basandose en 79 variables explicatorias describiendo casi todo los aspectos de hogares residenciales en Ames, Iowa, esta competición desafía a predecir el precio final de cada casa.
Habilidades prácticas:
- Ingeniería creativa de las variables
- Técnicas de regresión avanzada como Random Forest y Gradient Boosting
Objetivo Predecir los precios de cada casa. Para cada Id en el grupo de datos de testeo se debe predecir el valor de la casa.
Métrica Se evaúa el error cuadrático medio (RMSE) entre el logaritmo de la predicción de los precios y el logaritmo de los precios observados.
Competition Description
Ask a home buyer to describe their dream house, and they probably won't begin with the height of the basement ceiling or the proximity to an east-west railroad. But this playground competition's dataset proves that much more influences price negotiations than the number of bedrooms or a white-picket fence.
With 79 explanatory variables describing (almost) every aspect of residential homes in Ames, Iowa, this competition challenges you to predict the final price of each home.
Practice Skills:
- Creative feature engineering
- Advanced regression techniques like random forest and gradient boosting
Goal It is your job to predict the sales price for each house. For each Id in the test set, you must predict the value of the SalePrice variable.
Metric Submissions are evaluated on Root-Mean-Squared-Error (RMSE) between the logarithm of the predicted value and the logarithm of the observed sales price. (Taking logs means that errors in predicting expensive houses and cheap houses will affect the result equally.)