1 - Vocês vão combinar os CSVs de treino e teste com o de lojas usando o ID da loja, veja que são 1115 lojas diferentes, cada uma é identificada pelo seu id.
2 - Vocês vão utilizar o CSV de treino para treinar e avaliar o modelo e apresentar o resultado usando as métricas score (sklearn.metrics.r2_score) e erro médio quadrático (sklearn.metrics.mean_absolute_error). Imaginem que esse CSV do treino é justamente os dados que vocês coletaram das 1115 lojas, e vão utilizar ele para treinar e avaliar o modelo, depois vão apresentar os resultados obtidos e o que vocês fizeram para o dono da rede de farmácias que possui 1115 lojas (Eu).
3 - O CSV de teste são os dados do futuro (não possuem os valores de vendas). Ou seja, a predição do modelo de vocês nesses dados é justamente a simulação do modelo em produção. Como eu vim do futuro, eu tenho os valores de vendas no conjunto de teste, por isso vocês devem me mandar aquele outro CSV (sample_submission) com os valores preditos pelo modelo de vocês, e eu vou avaliar o desempenho de cada modelo. Depois nos teremos dois resultados para comparar e discutir, o obtido por vocês na avaliação previa e o resultado em produção que eu vou calcular.
4 - O atributo "Customers" é somente para confundir vocês, pois ele representa o número de clientes que compraram em um determinado dia, esse dato não está disponível para o teste em produção, inclusive o CSV de teste não tem esse campo.
5 - A apresentação de vcs será na próxima quarta (02/12/2020), mas o envio do jupyter notebook com os códigos e o csv com as predições (sample_submission) será até terça (01/12/2020).
6 - Prestem atenção no formato do sample_submission, vcs devem somente substituir os 0 da segunda coluna pelo valor predito, não mexam no id da primeira coluna.