“数据挖掘竞赛”的版本间的差异

2017年9月23日 (六) 19:43的版本

提示：该页面还需进一步完善，欢迎加入我们！

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：

• 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；
• 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；
• 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；

周期性竞赛

• 国际知识发现和数据挖掘竞赛（KDD Cup, Knowledge Discovery and Data Mining）
• 美国大学生数学建模竞赛（MCM/ICM）

竞赛平台

• Kaggle
• 天池大数据竞赛
• DataFountain
• 科赛

其他竞赛

• 上海开放数据创新应用大赛(soda)
• Netflix Prize
• INFORMS Challenge
• ILP Challenge