{
  "fetched_at": "2026-10-25T00:47:10Z",
  "source_url": "https://www.kaggle.com/competitions/berovingen-op-straat-in-rotterdam-is-er-een-patroon/data",
  "pages": [
    {
      "name": "rules",
      "content": "\r\n\t<!-- Begin Base Rules -->\r\n    <h3>One account per participant</h3>\r\n    <p>You cannot sign up to Kaggle from multiple accounts and therefore you cannot submit from multiple accounts.</p>\r\n    <h3>No private sharing outside teams</h3>\r\n    <p>\r\n        Privately sharing code or data outside of teams is not permitted.\r\n        It's okay to share code if made available to all participants on the forums.\r\n    </p>\r\n    <h3>Team Mergers</h3>\r\n    <p>Team mergers are not allowed in this competition.</p>\r\n\r\n    <h3>Team Limits</h3>\r\n    <p>The maximum size of a team is 2 participants.</p>\r\n    <h3>Submission Limits</h3>\r\n    <p>You may submit a maximum of 2 entries per day.</p>\r\n    <p>You may select up to 5 final submissions for judging.</p>\r\n    <h3>Competition Timeline</h3>\r\n    <p>Start Date: <strong>10/4/2012 4:12 PM UTC</strong></p>\r\n    <p>Merger Deadline: <strong>None</strong></p>\r\n    <p>Entry Deadline: <strong>None</strong></p>\r\n    <p>End Date: <strong>11/30/2012 12:00 AM UTC</strong></p>\r\n\t<!-- End Base Rules -->\r\n<p>Er zijn geen prijzen te verdienen in deze competitie.</p>\r\n<p>Deze competitie is in de eerste plaats bedoeld voor studenten van de minor Big Data, CMI, Hogeschool Rotterdam. Deze studenten kunnen hun cijfer verbeteren door aan deze competitie deel te nemen en een goede score te behalen.</p>\r\n<p>De maximum grootte van een team is twee.</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "data-description",
      "content": "<p>De gegevens zijn van aangiftes van berovingen op straat in de periode jan 2011 tot okt 2012.</p>\r\n<p>De kolomnamen geven in het algemeen voldoende informatie.</p>\r\n<p>&nbsp;</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "<p>De gegevens zijn van berovingen op straat in Rotterdam, in de periode januari 2011 tot oktober 2012.</p>\r\n<p>Het is de bedoeling om aan de hand van de training set een model te ontwikkelen dat kan voorspellen of het slachtoffer gewond raakt bij een beroving.</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "<p>De scoringsmethode is 'log-loss'. Zie&nbsp;</p>\r\n<p>&nbsp;<a href=\"http://www.kaggle.com/wiki/LogarithmicLoss\">http://www.kaggle.com/wiki/LogarithmicLoss</a></p>\r\n<p>voor meer details. De laagste log-loss waarde scoort het hoogst.</p>\r\n<p>In de trainingset is de uitkomst in de kolom 'letsel-SO' (d.w.z. letsel bij het slachtoffer) een 0 (nee) of een 1 (ja).&nbsp;</p>\r\n<p>Bij het submitten van een resultaat voor de test set (een .csv file met 1 kolom en hetzelfde aantal rijen als de testset) kunnen waarden tussen 0 en 1 worden gebruikt. Elke waarde komt overeen met de&nbsp;<strong>kans</strong>&nbsp;dat het slachtoffer gewond raakt.\r\n Het is verstandig om kansen die erg dicht bij 0 of 1 liggen te vermijden (en dus de waarden te beperken tot bijvoorbeeld de range 0.05-0.95) omdat het log-loss algoritme waarden die sterk afwijken zwaar bestraft. &nbsp;</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Prizes",
      "content": "<p>Insert your prizes here</p>",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}