the prize prediction from data castle 创建这个项目来记录我数据挖掘课程上的助学金预测项目
- 2017.11.26
- 本题目来源于数据城堡上的一个比赛大学生助学金精准资助预测
- 基于学生每天产生的一卡通实时数据，利用大数据挖掘与分析技术、数学建模理论帮助管理者掌握学生在校期间的真实消费情况、学生经济水平、发现“隐性贫困”与疑似“虚假认定”学生，从而实现精准资助。
- 采用某高校2014、2015两学年的助学金获取情况作为标签，2013-2014、2014-2015两学年的学生在校行为数据作为原始数据，包括消费数据、图书借阅数据、寝室门禁数据、图书馆门禁数据、学生成绩排名数据，并以助学金获取金额作为结果数据进行模型优化和评价。
- 需利用学生在2013/09-2014/09的数据，预测学生在2014年的助学金获得情况；利用学生在2014/09-2015/09的数据，预测学生在2015年的助学金获得情况。虽然所有数据在时间上混合在了一起，即训练集和测试集中的数据都有2013/09-2015/09的数据，但是学生的行为数据和助学金数据是对应的。
- 此竞赛赛程分为两个阶段，以测试集切换为标志，2017年2月13日切换。
数据分为两组，分别是训练集和测试集，每一组都包含大约1万名学生的信息纪录
- 图书借阅数据borrow_train.txt和borrow_test.txt、
- 一卡通数据card_train.txt和card_test.txt、
- 寝室门禁数据dorm_train.txt和dorm_test.txt、
- 图书馆门禁数据library_train.txt和library_test.txt、
- 学生成绩数据score_train.txt和score_test.txt
- 助学金获奖数据subsidy_train.txt和subsidy_test.txt 训练集和测试集中的学生id无交集，详细信息如下。 注：数据中所有的记录均为“原始数据记录”直接经过脱敏而来，可能会存在一些重复的或者是异常的记录，请参赛者自行处理。
注：有些图书的编号缺失。字段描述和示例如下（第三条记录缺失图书编号）：
学生id，借阅日期，图书名称，图书编号
9708,2014/2/25,"我的英语日记/ (韩)南银英著 (韩)卢炫廷插图","H315 502"
6956,2013/10/27,"解读联想思维: 联想教父柳传志","K825.38=76 547"
9076,2014/3/28,"公司法 gong si fa = = Corporation law / 范健, 王建文著 eng"
字段描述和示例如下：
学生id，消费类别，消费地点，消费方式，消费时间，消费金额，剩余金额
1006,"POS消费","地点551","淋浴","2013/09/01 00:00:32","0.5","124.9"
1406,"POS消费","地点78","其他","2013/09/01 00:00:40","0.6","373.82"
13554,"POS消费","地点6","淋浴","2013/09/01 00:00:57","0.5","522.37"
字段描述和示例如下：
学生id，具体时间，进出方向(0进寝室，1出寝室)
13126,"2014/01/21 03:31:11","1"
9228,"2014/01/21 10:28:23","0"
图书馆的开放时间为早上7点到晚上22点，门禁编号数据在2014/02/23之前只有“编号”信息，之后引入了“进门、出门”信息，还有些异常信息为null，请参赛者自行处理。 字段描述和示例如下：
学生id，门禁编号，具体时间
3684,"5","2013/09/01 08:42:50"
7434,"5","2013/09/01 08:50:08"
8000,"进门2","2014/03/31 18:20:31"
5332,"小门","2014/04/03 20:11:06"
7397,"出门4","2014/09/04 16:50:51"
注：成绩排名的计算方式是将所有成绩按学分加权求和，然后除以学分总和，再按照学生所在学院排序。
学生id,学院编号,成绩排名
0,9,1
1,9,2
8,6,1565
9,6,1570
字段描述和示例如下：
学生id,助学金金额（分隔符为半角逗号）
10,0
22,1000
28,1000
64,1500
650,2000
多分类问题，通过上面数据集的数据，预测出该学生获得的奖学金（0,1000,1500,2000）