http://wiki.citydatum.com/api.php?action=feedcontributions&feedformat=atom&user=Onemach 2026-05-05T06:27:00Z 用户贡献 MediaWiki 1.29.1 http://wiki.citydatum.com/index.php?title=%E6%95%B0%E6%8D%AE%E6%8C%96%E6%8E%98%E7%AB%9E%E8%B5%9B&diff=229 2017-09-24T02:43:43Z

<p>Onemach：</p> <hr /> <div>{{提示|该页面还需进一步完善，欢迎加入我们！}}<br /> <br /> 近年来，数据挖掘类的赛事越来越多，类型也越来越多样化，归纳起来大致可分为以下几种类型：<br /> * 算法型：数据是事先准备好的、干净的，对错误的衡量有统一标准，通常是一个纯粹的[[机器学习]]问题，参赛者的重点在于[[算法]]和计算；<br /> * 现实型：数据是未经清理的原始数据，需要自己建立[[模型]]，根据任务特性评价模型的好坏，需要参赛者需要了解问题所处的领域，分析数据、[[建模]]和调整；<br /> * 可视化：数据可以是事先准备的，也可以是原始数据，比赛的重点在于通过可视化的方法，揭示数据所反映的特征与规律，关注数据挖掘与艺术设计的有机结合；<br /> <br /> === 周期性竞赛 ===<br /> * 国际知识发现和数据挖掘竞赛（[http://www.kdd.org/ KDD Cup], Knowledge Discovery and Data Mining）<br /> * 美国大学生数学建模竞赛（[http://www.comap.com/undergraduate/contests/ MCM/ICM]）<br /> <br /> === 竞赛平台 ===<br /> * [https://www.kaggle.com/ Kaggle]<br /> * [https://tianchi.aliyun.com/competition/gameList.htm 天池大数据竞赛]<br /> * [http://www.datafountain.cn/ DataFountain]<br /> * [https://www.kesci.com/ 科赛]<br /> <br /> === 其他竞赛 ===<br /> * [http://shanghai.sodachallenges.com/ 上海开放数据创新应用大赛(soda)]<br /> * [http://www.netflixprize.com/index.html Netflix Prize]<br /> * INFORMS Challenge<br /> * ILP Challenge</div>

Onemach