我一般不发大招，但这篇高分解读你不看会后悔

第二届“登峰杯”全国中学生数据挖掘竞赛

高分解读

如何在数据挖掘竞赛中摘金夺银

 

1

竞赛简介

“登峰杯”全国中学生数据挖掘竞赛由中国科学技术大学承办，是面向全国高中生开展的数据挖掘竞赛活动，旨在提高中学生运用数据挖掘知识解决实际问题的能力，培训中学生的创新合作精神、编程能力和论文写作能力。

数据挖掘竞赛根据现实中的热点事件提出开放性的问题，考察学生利用所学知识思考和解决实际问题的能力。竞赛题目涉及到对实际生活中数据的挖掘与分析，及对问题的探索性思考，需要一定的数学能力，编程能力和论文写作能力。

2

竞赛赛题

奥运会奖牌榜排名预测

2016年里约热内卢奥运会刚刚落下帷幕，来自世界各地的207支国家和地区代表队参与了本次盛会，中国代表队取得了金牌榜第三，奖牌榜第二的好成绩。奥运会期间，奖牌榜排名成为了最热门的话题。对于这个问题，不同的人可能会有不同的预测结果。如何让预测结果更加准确，这就是数据挖掘所关注的。请你利用自己所学的知识，通过实践研究，就奥运会奖牌榜排名预测问题，从以下角度做出探讨。

问题 1：纵向讨论，讨论如何利用历届奥运会的历史成绩与本次奥运会成绩之间可能存在的关联性做出预测。

问题 2：横向讨论，除了历史成绩可以帮助预测，国家综合实力也是影响奥运会成绩的重要因素，讨论国家综合实力会怎样影响预测结果。

问题 3：在问题 1 和 2 解答的基础上，思考除了历史成绩与国家综合实力，其它可能的影响因素。

问题 4：结合以上讨论内容，对下一届奥运会的奖牌榜前十名给出你自己的预测结果，并阐述理由。

3

竞赛任务 

数据挖掘竞赛考察学生从现实生活中收集数据的能力、对实际问题的科学分析能力及对所学知识的熟练应用能力。竞赛共分为三个部分，分别是数据收集部分、模型设计部分和拓展思考部分。

1、数据收集部分旨在培养学生的信息检索与过滤能力。学生可以通过查阅文献资料、网络搜索等途径寻找解决问题所需要的各种原始数据，进而通过对原始数据内容的甄别、过滤，获取有效信息并最终运用到自己设计的模型中。对于动手能力较强的学生，还可以动手编写网络爬虫以自动收集大量互联网信息。

2、模型设计部分旨在培养学生的推导分析与建模能力。学生需要针对题目给出的实际问题进行建模，并利用已收集的数据进行求解。学生可以利用已有的数学算法、数据挖掘技术或者设计新的方法来解决问题，其中可能需要一定程度的数学推导和计算机编程。对于有余力的同学，还可以对得到的结果做出分析，比如如果结果不好，可能是什么原因导致的；如果结果很好，能否说明模型的有效性？

3、拓展思考部分旨在拓宽学生的思维范畴，培养学生的创新能力。竞赛题目中会包含一定程度的拓展问题，学生不需要对此类问题做出详细求解，但需要就此类问题提出自己的见解。

4

竞赛要求及成绩评定标准

       数据挖掘竞赛将根据现实中的热点事件提出问题，学生在得到问题后，需要主动收集数据（问题所需要的主要数据将是很易于收集的），分析问题并进行建模，并利用已有数据进行求解，最后进行可能的模型评估和拓展思考。
       学生需要按照规定，提交完整版论文作品及附加材料。其中附加材料里必须要包含学生收集并过滤后的数据，如果在论文中提到了程序，也应当一并添加到附件中。
      竞赛将从数据收集部分，模型设计部分和拓展思考部分三个部分对学生的作品进行打分，分别占20%、60%和20%的比重。具体评分细则如下：
1、数据收集（占总分的20%）
此部分将会根据学生收集到的数据质量做出评分，学生收集的数据越全面越详细，得分也将越高，同时对原始数据的筛选和处理也将被计入评分之中。若是能采用编程等方法获取到大量有用信息，可以得到额外加分。
2、模型设计（占总分的40%）
此部分主要评估学生对问题的建模及求解能力，对学生采用的模型或方法的分数评估将包括但不限于以下几个方面：

· 采用的模型或方法是否具有理论依据

· 对问题影响因素的考虑是否周全

· 模型是否有过拟合的可能

· 模型求解算法的时间和空间复杂性

3、结果评估（占总分的20%）
此部分将根据学生求解得到的结果进行打分，结果的准确性仅是得分的一部分，如果能对结果进行合理的解释，可以获得额外的加分。比如如果模型得到的结果不够好，学生最好可以解释出不好的原因在什么地方，可以做出怎样的改进。
4、拓展思考（占总分的20%）
竞赛包含一定程度的思维拓展内容，此部分考察学生对于问题的拓展能力及创新能力，如果学生能提出合理的新颖观点，可以得到额外加分。