Concessionária Voltline

Descrição do problema

Contexto

Estamos no ano 2077 e, na concessionária Voltline, o antigo hardware "Price-Sync" quebrou definitivamente. Sem ele, a concessionária não tem como definir os preços dos carros. Sua missão? Construir um modelo de machine learning que possa prever o preço dos carros usando dados históricos de vendas.

Você tem à disposição dois arquivos:

train.csv – informações completas sobre os carros
test.csv – as mesmas informações, mas sem a coluna price

Este é um problema de regressão: seu modelo preverá um número contínuo - o preço de um carro.

Conjunto de Dados

Coluna	Tipo	Descrição
CarID	int	Identificador único para cada carro
CarName	object	Nome do modelo
symboling	float	Classificação de risco para o seguro
fueltype	object	Tipo de combustível (ex: gas, diesel)
aspiration	object	Tipo de aspiração do motor (ex: standard, turbo)
doornumber	object	Número de portas (ex: two, four)
carbody	object	Tipo de carroceria (ex: sedan, hatchback, convertible)
drivewheel	object	Tipo de tração (ex: fwd, rwd, 4wd)
enginelocation	object	Localização do motor (ex: front, rear)
wheelbase	float	Distância entre eixos
carlength	float	Comprimento total do carro
carwidth	float	Largura total do carro
carheight	float	Altura total do carro
curbweight	float	Peso do carro sem passageiros ou carga
enginetype	object	Tipo do motor (ex: ohc, dohc, rotor)
cylindernumber	object	Número de cilindros (ex: four, six)
enginesize	int	Capacidade do motor
fuelsystem	object	Sistema de alimentação (ex: mpfi, 2bbl)
boreratio	float	Diâmetro dos cilindros
stroke	float	Curso do pistão
compressionratio	float	Taxa de compressão
horsepower	int	Potência do motor em cavalos (hp)
peakrpm	int	Rotação máxima do motor
citympg	float	Eficiência de combustível na cidade
highwaympg	float	Eficiência de combustível na estrada
price	float	Preço do carro (variável alvo)

Requisitos

Para este problema, você deve resolver 3 tarefas.

Tarefa 1 – Tipo de motor mais frequente (10 pontos)

Encontre o valor de enginetype que aparece com mais frequência no conjunto de treinamento.

Tarefa 2 – Preço médio dos carros a gasolina (20 pontos)

Calcule a média da coluna price para todos os carros que usam gas como combustível, no conjunto de treinamento. O resultado deve ser arredondado para 2 casas decimais.

Tarefa 3 – Predição de preços (70 pontos)

Construa um modelo de regressão que preveja o price com base nas informações disponíveis em train.csv.

Gere predições para cada carro em test.csv.

Avaliação

Tarefa 1 e Tarefa 2 são avaliadas por correspondência exata.
Tarefa 3 é avaliada usando o R² Score:
- R² ≥ 0.95 → 70 pontos
- R² ≤ 0.80 → 0 pontos
- Valores intermediários recebem pontuação proporcional

Formato de Submissão

O arquivo submission.csv deve conter as seguintes colunas:

Python
1subtaskID,datapointID,answer21,1,ohc32,1,12728.0643,436,19811.053,441,16306.0

onde:

subtaskID - 1, 2 ou 3
datapointID - 1 para a Tarefa 1 e Tarefa 2; o valor de CarID do teste para a Tarefa 3
answer - depende da tarefa:
- Tarefa 1: tipo de motor (string)
- Tarefa 2: preço médio arredondado para 2 casas decimais
- Tarefa 3: preço previsto

Fonte do dataset: https://www.kaggle.com/datasets/imgowthamg/car-price/data

Ficheiros

Descarregar ficheiros do problema

Submeter solução

Carrega manualmente o ficheiro de resultados. Também podes anexar o código-fonte.Máximo de 100 MB no total

Ficheiro de submissão

Clica para carregar ou arrasta e larga

CSV, ZIP, etc. (MÁX. 100MB)

Ficheiro de código fonte (opcional)

Clica para carregar ou arrasta e larga

Arquivo, notebook ou ficheiro de código

Inicia sessão para carregar uma submissão.

Trabalha e submete a partir do Google Colab

Abre um notebook preparado para este problema. A primeira célula liga o problema e descarrega os dados disponíveis. Quando terminares, submete os teus ficheiros para avaliação diretamente a partir do notebook.

As submissões feitas no Colab usam o mesmo avaliador e os mesmos limites. Acompanha o resultado em As minhas submissões.

O MLCompete só pode aceder ao notebook que cria no teu Google Drive, não aos outros ficheiros.

Não abre? Usa um código temporário

Gera o código aqui, abre o notebook público e introduz o código quando a primeira célula o pedir.

Inicia primeiro sessão no MLCompete para gerar um código do espaço de trabalho.

Abrir o notebook público no Google Colab

Cola o código do espaço de trabalho apenas quando o notebook o pedir. Nunca o partilhes com outra pessoa.