“数据挖掘竞赛”的版本间的差异
来自Wiki.Citydatum
小 |
小 |
||
| （未显示另一用户的1个中间版本） | |||
| 第13行： | 第13行： | ||
* [https://www.kaggle.com/ Kaggle] | * [https://www.kaggle.com/ Kaggle] | ||
* [https://tianchi.aliyun.com/competition/gameList.htm 天池大数据竞赛] | * [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 === | === 其他竞赛 === | ||
| 第19行： | 第21行： | ||
* INFORMS Challenge | * INFORMS Challenge | ||
* ILP Challenge | * ILP Challenge | ||
| + | |||
| + | [[分类:竞赛]] | ||
2018年5月15日 (二) 07:21的最新版本
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
竞赛平台
其他竞赛
- 上海开放数据创新应用大赛(soda)
- Netflix Prize
- INFORMS Challenge
- ILP Challenge
