“数据挖掘竞赛”的版本间的差异

2018年5月15日 (二) 07:21的最新版本

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：

@@ 第1行： / 第1行： @@
+{{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（[http://www.kdd.org/ KDD Cup], Knowledge Discovery and Data Mining）
 * 美国大学生数学建模竞赛（[http://www.comap.com/undergraduate/contests/ MCM/ICM]）
 === 竞赛平台 ===
 * [https://www.kaggle.com/ Kaggle]
 * [https://tianchi.aliyun.com/competition/gameList.htm 天池大数据竞赛]
+* [http://www.datafountain.cn/ DataFountain]
+* [https://www.kesci.com/ 科赛]
 === 其他竞赛 ===
 * [http://shanghai.sodachallenges.com/ 上海开放数据创新应用大赛(soda)]
@@ 第14行： / 第21行： @@
 * INFORMS Challenge
 * ILP Challenge
+[[分类:竞赛]]