KDDcup(1) 非完整版

KDDcup(1) 非完整版

这一篇简单介绍比赛以及比赛用的数据集。

kddcup 08 是由ACM SIGKDD 主办的年度数据挖掘竞赛，kddcup本身是第一个也是最具历史的数据挖掘竞赛。
今年的数据是由Siemens Medical Solutions USA提供的，这个数据原来是用于早期从x光图像检测乳腺癌。Siemens的这些医疗器械涉及到机器学习算法，因此将这个处理过的（参赛者无法从该数据集中得到与算法无关的其它信息，如Siemens的产品信息等）数据集提供给kddcup 08, 一方面提高自身的声誉，一方面可以将竞赛中优秀的算法应用到实际产品中。

kddcup08的challenge分为2部分，challenge 1是测试FP(False Positive)在02.~0.3区间内的ROC面积（AUC），面积越大越好。challenge 2是测试在TP（True Positive）达到100%时的FP率，这要越小越好，因为这可以在保证没有漏检的情况下，尽量减少人工判断的工作量。