讯飞开放平台用户画像预测挑战赛

巴西保险巨头Porto Seguro与Kaggle平台合作，发起一项机器学习挑战赛。参赛者需要利用提供的汽车保单持有人数据集，构建模型预测其在未来一年内提出索赔的可能性。数据集已经过预处理，方便参赛者直接构建模型。

为Matlab®编程竞赛开发和评分提供所需的全部文件。

MLSA18足球通行证预测挑战赛的数据集包含了关于第五届运动分析机器学习和数据挖掘研讨会的足球准入预测挑战的详细说明。该研讨会将于2018年9月10日星期一在都柏林举行，作为欧洲机器学习与数据库知识发现会议的一部分。挑战的目标是在给定传球发送者和球场上所有球员位置的情况下，预测足球比赛中传球的接收者。数据集包含2014/2015足球赛季期间涉及比利时足球俱乐部的14场不同比赛中的12,124次传球记录。passes.csv文件格式为以逗号分隔的数据，总计12,125行和60列。

《MathorCup数学建模挑战赛：理论与实践的融合》MathorCup数学建模挑战赛激发学生的创新思维和数学应用能力。每年吸引全国大学生参与，他们运用数学解决实际问题，展示理论与实践结合的能力。2024年4月13日开赛，文件名为\"MathorCup数学建模_2024-04-13.md\"，包含赛题介绍、参赛指南和优秀作品分析。数学建模将现实问题转化为数学模型，并通过计算机求解，为决策提供依据。参赛团队需解决经济、环境和社会挑战，具备数学基础、编程和数据分析技能。

汇总了2021级在2022年各路线的运货量数据，共2个EXCEL文件，分别对应1年数据。

《2023MathorCup大数据挑战赛：探索与分析》提供了一个宝贵的平台，让参赛者展示他们的数据分析和挖掘能力。本次比赛的数据集打包在名为“2023MathorCup大数据挑战赛数据集.rar”的压缩文件中，包含多个子文件，每个子文件都可能蕴含丰富的信息，等待参赛者发掘。大数据是指那些在传统数据处理工具难以捕获、管理和分析的海量、高速和多样化的信息资产，具有四个基本特征：大量、高速、多样和价值。数据集是数据科学的核心组成部分，包括用于训练模型或进行统计分析的具体数据，可以是结构化的（如表格形式）或非结构化的（如文本、图像或音频）。参赛者需深入研究数据结构和潜在关系，以提取有价值的信息。

MATLAB和Simulink硬件挑战赛的RobotarmMatLabfiles文件提供了使用Kinect 2.0控制机器人手臂的解决方案。

用户画像概述 用户画像，通过不同数据维度刻画用户，利用数据分析为用户打上语义标签，将用户的行为和偏好抽象成多元化的人物标签，构建用户实体。 用户画像可以使用语义化表示，例如： 基础属性: 性别（男、女）、职业（学生、老师、白领） 价值属性: 高价值、中价值、低价值客户 用户画像也可以使用数学建模，将标签视为特征空间的维度变量，用户画像则表示为特征空间中的稀疏向量。 用户画像的应用 用户画像在互联网行业应用广泛，因为它可以定性和定量地描述用户： 定性: 抽象概括用户的生活场景和使用场景 定量: 统计分析用户的行为数据，挖掘核心用户价值 用户画像的动态性 用户画像的结果受数据动态变化影响，用户的静态信息属性（基础信息）相对稳定，但用户的行为数据会随时间变化。

2018 年中兴迪杰斯特拉算法挑战赛受到美国制裁的影响被迫终止，官网也已关闭。该比赛的任务是在给定网格中填充 1000 条链路，每条链路有三种选择，目标是在一分钟内尽可能降低网格的最大链路利用率。 一种优化方案是从第一条链路开始，每次选择使得当前网格最大链路带宽利用率最小的链路，直到填充完所有链路。该方案得到的利用率约为 40。在此基础上，可以采用模拟退火算法进行优化，每次退火改变一条链路的选择，替换为另外两种选择之一。由于每次只改变一条链路，因此只需计算一次网格利用率，大幅减少了计算量，在相同时间内可以进行更多次的退火操作。通过调整模拟退火参数，最终可以将网格最大链路带宽利用率降低到 37.19 左右，在一分钟内逼近了工具测试得到的 37.08 左右的最优解。