¿Qué tipo de libertades tengo con los datos de Kaggle?

Lo que debe enviar es una predicción. Por lo general, toma la forma de un archivo separado por comas con una identificación y una predicción. Pero varía de una competencia a otra. En la página de datos de cada competencia, debe encontrar un conjunto de datos llamado samplesubmission.csv. Eso le da un ejemplo de cómo debe verse una presentación.
Dicho esto, usará un conjunto train.csv (o lo que sea que esa competencia en particular llama los datos del tren) para entrenar un modelo. Puede usar esos datos para diseñar nuevas funciones, si eso es lo que estaba preguntando. Pero no es necesario que envíe esa parte, solo la predicción que hizo en el conjunto test.csv. Hay reglas específicas de la competencia sobre lo que está permitido diseñar. Por lo general, todo vale si te limitas a usar los datos proporcionados. En la mayoría de los casos, las “fuentes de datos externas” no están permitidas. Por ejemplo, si tuviera un problema de retraso de vuelo, no se le permitiría fusionar datos meteorológicos de fuentes externas para mejorar su modelo.